本文选取的研究对象为汽车曲面翻边件,其中包括曲面伸长翻边和曲面压缩翻边。按照工厂原有工艺进行生产时,由于其伸长翻边部分的材料变形复杂、厚度分布不均匀,导致该区域的外缘材料会发生破裂,经过工厂修改模具后仍然存在较高废品率,生产效率不高,浪费大量人力、物力成本。为解决该曲面翻边件冲压成形时局部破裂的缺陷,结合产品的结构和成形特点,提出翻边弯曲复合加工的预成形方案。利用有限元分析技术对工厂原有方案进行数值模拟,对比实际出现缺陷,数值模拟结果高度吻合实物。随后对提出的预成形及曲面翻边的先翻边后弯曲、先弯曲后翻边、一步成形等三种传统成形方式进行数值模拟,通过选取特征点的形式对比不同成形方式下零件关键部位应力应变变化情况,表明该曲面翻边件成形过程受力情况复杂,受到成形方式的影响应力应变变化不同,这些最终都会影响成形质量。针对曲面翻边件出现的缺陷问题,在采用数值模拟的基础上建立了以预成形角度、凹模圆角、摩擦系数、凸凹模间隙为影响因素的基于BP神经网络的曲面翻边件成形质量预测的数学模型。通过正交试验安排试验方案,并对方案进行数值模拟,获取相关参数后对已经建立的神经网络模型进行训练。随后安排四种成形方案进行数值模拟,利用这四组数据对网络模型进行测试,测试结果对比数值模拟结果后表明该模型正确、有效性,能够为预测和优化曲面翻边件成形质量提供有效的手段。采用遗传算法与训练后的BP神经网络进行耦合,通过遗传算法对神经网络产生的模糊函数关系式进行寻优,获得各参数组合后进行数值模拟。通过模拟获得的零件成形减薄量较小,整体无破裂趋势,对于为提高产品的成形质量而修改模具有积极的指导意义。研究结果也表明,遗传算法耦合神经网络算法对本文提出的预成形曲面翻边件冲压加工是适用的。