多点成形是将传统模具离散化为有限个按一定规则排列的基本体,并用计算机控制基本体高度形成所需要的成形面,代替模具进行三维板类件成形的柔性加工技术。薄板多点成形过程极易出现压痕、起皱等典型的成形缺陷,为了避免成形缺陷,必须反复修改某些成形参数。通过在计算机上对成形过程进行模拟分析,不断修改工艺参数,也能实现对工艺参数的优选,但是需要大量的计算时间,往往难以得到最佳工艺参数。基于数值模拟和优化设计理论的工艺优化设计是当今材料成形过程优化设计的先进方法之一,采用这种方法能大大提高设计效率和设计质量。对工艺参数进行优化首先需要建立目标函数,然而工艺参数各参量之间一般没有明显的函数关系,即使有些参量存在函数关系,也由于多点成形过程中的几何非线性、材料性能非线性和边界条件非线性等的影响,使得目标函数模型难以建立,或建立起来很不准确,不能适应工程需要。如果采用人工神经网络,对系统的表达方法抛开了传统的建模方法,从大量的离散数据中经过学习训练,提取其领域知识,并将这些知识表示为网络联结权值的大小与分布,可以建立相应的系统模型。遗传算法是一种具有创新性的人工搜索方法,对目标函数及约束条件的限制较少,既不要求连续,也不要求可微,且能获得全局最优解。因此,本文利用神经网络建立目标函数模型,用遗传算法对过程参数进行优化,把有限元分析、神经网络、遗传算法等技术结合起来,形成工艺参数优化方案,为预测和优化该工艺成形质量提供了行之有效的方法。