板料冲裁是金属塑性加工的基本方法之一，其因少无切屑、生产效率高等特点而被广泛应用于航空、汽车及仪器仪表等领域。然而随着产品向精密化与集成化方向发展，冲裁毛刺引起人们的重视，如何实现冲裁毛刺的有效抑制已成为研究的重点，本文基于国内外冲裁毛刺的研究基础上提出了一种抑制冲裁毛刺的方法——预压冲裁法。　　 本文利用有限元软件DEFORM-2D模拟了1mm厚的AISI304不锈钢板料预压冲裁过程，研究了各工艺参数与光亮带长度及凹模磨损深度之间的关系，其主要内容及成果如下:　　 (1)分析了冲裁变形过程及受力状况，探讨了冲裁毛刺的形成机理，并对预压冲裁法有限元模拟的关键技术进行阐述。　　 (2)分析了预压冲裁过程中的应力应变及材料流动情况，冲裁变形主要集中于狭窄的凸凹模间隙内且材料流动中出现的“涡旋”现象可以提高变形区的静水压应力，抑制裂纹的产生。此外，研究了相对间隙、凸模刃口圆角半径、凹模刃口圆角半径、冲裁速度、预压深度、预压角度及模具磨损对光亮带长度的影响，通过模具磨损前后的冲裁件的断面质量比较，研究发现模具磨损使得冲裁件的光亮带长度下降。运用正交试验模拟了不同工艺参数组合下的预压冲裁过程，通过正交试验结果的直观分析及方差分析，得出相对间隙对光亮带长度影响显著的结论，而其余各因素的影响主次顺序为:凸模刃口圆角半径＞预压深度＞预压角度＞冲裁速度＞凹模刃口圆角半径，且通过因素效应曲线图给出了预压冲裁法的最优工艺方案。　　 (3)基于Archard模型对预压冲裁过程中的凹模磨损进行模拟，分析了相对间隙、冲裁速度、凸模刃口圆角半径及凹模刃口圆角半径与凹模磨损深度之间的关系。此外，利用BP神经网络对凹模的磨损深度进行预测，其过程涉及BP神经网络的结构设计、网络训练及网络测试。BP神经网络可以有效的应用于模具磨损的预测，并为模具的设计及使用寿命提供了一定的依据。　　 本研究进一步丰富和发展了冲裁毛刺抑制技术，其得出的结论对于该项技术的进一步研究及应用具有重要的指导意义。