金属塑性成形是一种利用金属材料的塑性，对金属毛坯施加适当的能量和载荷，使金属毛坯发生塑性变形而形成具有一定尺寸、形状和力学性能的零件或半成品件的成形工艺。目前金属塑性成形正向净成形或近净成形方向发展，以减少后续的机加工量，从而降低产品的制造成本。当今社会的竞争日趋激烈，高质量、高效率、低成本、低能耗、净成形或近净成形以及追求环保性和可持续发展已成为制造业厂商在竞争中取胜的重要因素，而冷挤压成形工艺就属于少无切削的金属塑性加工先进工艺，具有生产效率高、节约原材料、提高产品质量和降低生产成本等优点，在很大程度上能够满足这些技术、经济和社会上的要求。众所周知，工艺设计是模具设计的基础。从金属毛坯成形出冷挤压零件需要通过不同的冷挤压成形工序才能完成，设计合理的冷挤压成形工序是冷挤压工艺设计过程中的核心工作。冷挤压工艺设计基本上经历了传统的手工设计、计算机辅助设计和智能化设计三个阶段，目前的研究重心正朝着智能化设计的方向转移。本文主要研究工作是充分运用各种仿生智能计算所提供的技术手段和理论方法，应用于冷挤压工艺设计，以提高冷挤压工艺设计过程的智能化和自动化。针对本文的研究工作，分析了研究的背景，综述了智能仿生技术的国内外研究现状，论述了研究意义，确定了研究内容。阐述了进行研究工作的理论基础和技术支撑，包括BP神经网络、模糊理论、遗传算法和人工免疫算法等与本文研究相关的理论、方法和技术。在深入探讨人工神经网络的基本知识的基础上，选用了三层拓扑结构的BP神经网络，编写了程序代码：在进一步研究冷挤压工艺设计过程的基础上，采用了集中反馈映射模式；并以冷挤压杯形件为例，比较系统地整理了训练样本，同时根据人工神经网络样本训练方法，对Bp神经网络进行训练，获得了基于人工神经网络的冷挤压模型；然后，以典型零件的工艺尺寸作为系统输入，获得良好结果，表明能较好地解决冷挤压工艺设计过程中的精度问题。将模糊理论与BP神经网络相结合，在所构建的BP神经网络的基础上将网络输入参数进行模糊化处理，并对计算结果进行去模糊化处理，并采用遗传算法对其进行优化。研究并探索了人工免疫算法的基本理论，借鉴免疫系统本身的特性，编写了自免疫算子，建立了免疫遗传算法，将其用冷挤压工艺设计中，最后对该算法在塑性加工中的发展和应用进行了探讨。