随着汽车轻量化技术的不断推进,各种高强钢板与铝合金板被广泛应用于汽车车身及零部件制造中,因此其成形性能也日益受到关注。两类典型汽车用板在变形卸载后除了发生因弹性变形产生的瞬时回弹外,还存在一种依赖于时间的滞后回弹现象。近年来,滞后回弹现象及其产生机理已经引起国际塑性领域的关注,一些国家的学者从不同角度相继对其进行了相关研究和探索。本文以DP600高强钢和AC170px铝合金板为对象,针对其滞后回弹行为,通过宏观试验、有限元分析以及人工智能的方法展开研究,主要包括以下几个方面:(1)不同变形条件下的单向拉伸试验结果表明,卸载后的滞后回弹值随拉伸速度的增加而增大,并且主要集中于瞬时回弹结束后的较短时间内,但是AC170px铝合金过渡段的作用在快速变形情况下不可忽视。增加保压时间可在一定程度上缓解滞后回弹量的增长速度,但效果不明显,同时会降低生产效率。(2)弯曲变形后,滞后回弹大小随弯曲角的增加而线性增长,随弯曲速度的增加呈指数式增长。AC170px的弯曲滞后回弹对速度的响应不明显,而DP600高强钢在将弯曲速度提高至40mm/min时,卸载后的滞后回弹量明显增加。(3)在通过应力松弛和蠕变试验获得材料相关黏弹性参数的基础上,对比选择不同的材料模型利用有限元模拟滞后回弹过程。更新的蠕变模型准确地反映了板材弯曲滞后回弹现象,有限元结果表明,残余应力的释放是驱动滞后回弹发生的原因之一。(4)以MATLAB为平台,通过编程建立以时间为输入、滞后回弹大小为输出的BP神经网络系统,较好地预测了拉伸和弯曲变形滞后回弹值。由于BP神经网络对样本数据的依赖性,拉伸滞后回弹的预测结果更加准确。因此,生产实际中可以通过设置相应时间的回弹补偿,以提高零部件的成形精度及后期装配质量。