板料成形过程中普遍存在回弹问题，特别是在弯曲和浅拉深过程中回弹更为严重，对零件的尺寸精度和生产效率造成极大的影响，因此对回弹控制进行深入研究有重要意义。冲压界以往对于拉延成形件的回弹控制问题研究的不多，工程实际中通常基于经验和反复试验来减小或消除回弹的影响。上世纪90年代以来，随着拉延成形中起皱和拉裂问题逐步得到解决，回弹控制问题逐渐上升为研究重点，另外，板料冲压CAE技术的不断完善也为回弹控制研究提供了必要基础。 本文工作主要包括以下几个方面的内容： 1．综合考察及评价了多个工艺参数对板料冲压回弹量的影响。以NUMISHEET’93标准考题中U形板料作为研究对象，通过正交表安排试验，对板料的冲压进行数值模拟获得冲压回弹量，取得试验数据。从而研究了不同工艺参数对板料回弹的影响的程度，得出结论：除变压边力外的其它工艺参数如摩擦系数、凹模圆角等参数对回弹量控制同样是起到不可忽视的作用，同时可以得到使板料回弹量最小的参数组合。 2．建立了基于神经网络的从冲压工艺参数到冲压回弹量的非线性映射关系。利用正交试验获得的数据作为神经网络的训练样本，得到输入为工艺参数、输出为冲压回弹量的神经网络模型，并通过检验样本检验了ANN(Artificial Neural Network)模型的准确性，为参数优化及回弹预测做好准备。 3．利用神经网络模型的非线性映射关系，得到板料回弹量随工艺参数变化的平滑曲线，弥补了目前普遍采用的折线图的不足。 4．基于神经网络和正交试验的工艺参数优化。在工艺参数取值范围内，采用ANN模型代替CAE软件数值模拟试验，并结合正交试验法，对工艺参数进一步优化使得板料回弹量更小。论文工作表明：将神经网络与正交试验、数值模拟三者结合用于板料冲压参数优化可以明显缩短优化工艺参数的时间，提高工艺设计效率，同时在数值模拟试验次数一定的条件下，能获得比单纯使用正交试验和数值模拟方法更为精确的结果。 5．研究了ANN在回弹量预测方面的应用。利用神经网络的非线性映射关系，在训练样本的取值范围内，可以给定一组工艺参数得到一个回弹量，而不必重新利用CAE软件计算，为工艺制定节省时间。 本文工作的特色在于对U形件回弹作了多工艺参数综合影响分析，得出摩擦力、凹模圆角等工艺参数对于回弹量的控制与变压边力具有同等重要的作用的分析结果，有益于对冲压件回弹问题的深入探讨；将神经网络技术和正交试验法、数值模拟法相结合用于冲压工艺参数的优化，在保证分析精度一定的前提下，明显节省了工艺制定的时间，提高了工艺设计的工作效率。