粉末冶金是利用金属粉末作为基本原料,经过成形和烧结,制造金属材料以及各种类型制品的工艺与技术。在摆线转子生产制造中粉末压制成形工序作为产品成形的重要工序,模具的磨损会影响模具形状以及性能发生变化从而影响实际生产过程中产品质量以及精度。因此,为保证模具精度、控制产品质量、降低产品成本,在粉末冶金压制成形过程中结合数值模拟方法对模具磨损进行分析研究,从而优化工艺减少模具磨损是实际生产中至关重要的课题之一。本文以铁基材料摆线转子为例,基于Archard磨损模型和压制成形相关理论,结合有限元数值模拟,研究了摆线转子压制成形过程中各工艺参数对磨损量的影响规律;同时利用BP神经网络模型构建相关工艺与磨损量的内在联系,实现了对模具磨损量的预测,最后结合智能算法在工艺参数范围内寻找使得磨损量较小的工艺参数组合。首先针对摆线转子粉末压制成形理论及模具磨损模型进行分析研究,根据成形压坯密度设计要求计算确定其所需压制压力及侧压力;通过多个试验获取摆线转子原材料铁基粉末FC0208的相关压缩性能（松装密度、相对密度及压缩比等）,将获得的弹性模量、泊松比与相对密度关系的试验数据导入至Deform-3D有限元分析软件构建起该粉末的材料模型,为后续数值模拟奠定基础。其次,利用三维软件Solid Works构建主要模具的三维模型并完成装配,在Deform-3D有限元分析软件中完成相关模拟设置实现压制成形过程的仿真与计算;通过分析成形压坯的相对密度以验证数值模拟结果的可靠,对比分析主要模具磨损量(芯棒磨损量最大为2.061×10-5mm)确定将芯棒模具作为本文的主要研究对象。再次,结合Archard磨损模型确定与模具磨损量相关的四个主要工艺参数:压制方式、摩擦系数、初始硬度和压制速度,结合单因素分析法及数值模拟仿真结果,系统全面的分析了四个工艺参数分别变化时对磨损量的影响规律;利用正交试验极差分析,确定四个工艺参数对于芯棒磨损量的影响主次顺序为:压制方式＞摩擦系数＞初始硬度＞压制速度。最后,利用BP神经网络模型的复杂非线性学习能力,将四个工艺参数（压制方式、摩擦系数、初始硬度和压制速度）作为输入、模具磨损量作为输出构建一个4×13×1的神经网络模型,使用该模型实现对模具磨损量的预测,预测结果平均误差仅为2.04%验证了预测模型的可靠;最终结合遗传算法,以模具磨损量最低作为优化目标,在四个工艺参数范围内迭代寻优获得一组较优工艺参数组合:摩擦系数为0.125,初始硬度为63HRC,下压速度为1.558mm/s,压制方式为双向压制,此时磨损量的最大值为1.5521×10-5mm,结果表明:获得的该种工艺参数组合可以有效的降低模具的磨损量,有效的提升了模具的使用寿命。