燃料组件板弹簧是压水堆燃料组件的重要组成部件,主要提供适当的压紧力以保证燃料组件的安全、可靠运行,并弥补堆腔内各部件的轴向生长差异以保证燃料组件的结构完整性。本文利用遗传（GA）算法的全局寻优能力对误差反向传播（BP）神经网络进行改进,建立了基于GA-BP神经网络的板弹簧优化设计方法。以板弹簧宽度、宽度比、厚度、厚度比和高度作为优化设计变量,刚度性能更优作为目标函数,强度和压紧力等性能参数以及工艺外形尺寸作为约束条件,构建板弹簧优化数学模型,得到比现有板弹簧刚度性能更优的结构参数组合。其中,目标函数和强度、压紧力等约束条件涉及结构参数与性能参数间的非线性映射关系,由板弹簧GA-BP神经网络性能预测模型提供。本文主要工作如下:（1）对现有板弹簧模型进行简化,使用有限元软件模拟其下压过程,对比仿真与试验结果,发现两者吻合较好,验证了仿真结果的可靠性;利用正交试验法,编写参数化建模脚本,通过有限元计算来获取神经网络数据集。（2）基于BP神经网络,分别构建板弹簧强度、刚度及压紧力预测模型,利用预处理后的数据集对该神经网络进行训练,得到板弹簧结构参数与上述性能参数间的非线性关系。根据计算结果,发现BP神经网络具有泛化能力不强和易陷入局部最小值的缺点。（3）针对BP神经网络的缺点,使用遗传算法对其进行改进,分别构建基于GA-BP神经网络的板弹簧强度、刚度及压紧力预测模型,利用相同的数据集对其进行训练,得到板弹簧结构参数与性能参数间的非线性关系。对比两种神经网络模型,发现GA-BP神经网络在拟合能力和泛化能力上均优于BP神经网络。（4）基于板弹簧GA-BP神经网络性能预测模型,构建板弹簧优化数学模型,通过有限元计算,将求解得到的优化后板弹簧和现有板弹簧进行对比,发现优化后板弹簧刚度性能更优,总体性能较优化前有所提升。