板料成形是一个复杂的高度非线性过程,影响其成形质量的参数较多,优化过程计算繁杂求解耗时。在处理这类复杂工程优化问题中,多目标粒子群算法因其概念简单、容易实现、涉及参数少等优点,被广泛应用。由于其局部搜索能力较弱,容易导致算法陷入局部最优解,并且后期收敛相对较慢,在板料成形优化中具有一定的局限性。针对于这个问题,本文基于多目标梯度同步下降法对多目标粒子群算法进行改进,提高算法的局部搜索能力和收敛效率。并将增强后的多目标粒子群算法在板料成形优化设计中应用。主要的研究内容包括:基于多目标梯度同步下降法提出了多目标梯度增强型粒子群算法。将多目标梯度同步下降法的搜索策略与多目标粒子群算法的速度更新公式进行结合,加强了多目标粒子群算法局部搜索能力并提高了其收敛效率。为了防止算法早熟而陷入局部最优解提出了一种排斥机制,促使拥挤区域粒子快速跳出局部最优解保证多样性。通过测试,验证了多目标梯度增强型粒子群算法的有效性。基于多目标梯度增强型粒子群算法对汽车引擎盖内板的成形工艺参数进行了优化设计。针对汽车引擎盖内板成形过程中容易产生破裂和起皱缺陷,将减小成形后零件的最大减薄率和最大增厚率作为目标函数,拉延筋阻力系数、压边力和摩擦系数作为设计变量。利用二阶响应面模型构造设计参数和目标函数间的映射关系,并基于多目标梯度增强型粒子群算法对响应面优化模型进行优化求解。通过成形数值仿真软件验证了优化结果的可靠性,多目标梯度增强型粒子群算法有效提高了汽车引擎盖内板的优化效率。