随着汽车市场竞争日益激烈，社会对安全、经济、环保的呼吁，具有提高生产效率、降低生产成本、节能环保、增加安全性等优势的拼焊板，在汽车行业受到越来越多的重视，成为制造业和学术界的一大研究热点。拼焊板两侧板料的厚度不同或者材质不同，导致金属流动不均匀，容易出现难以控制的焊缝移动、起皱、破裂等问题。方盒形件是最常见的、几何形状相对比较规则、应用比较广泛的一类冲压件，在非对称零件中具有一定的代表性，因此研究拼焊板方盒形件冲压成形技术对于掌握拼焊板非轴对称零件拉深成形技术具有重要的意义。本文以拼焊板方盒形件拉深成形为研究对象，利用有限元软件DYNAFORM，对两侧板料施加不同的压边力方案进行模拟研究，在尽可能满足成形深度的同时，减小焊缝移动量，得出了较优的压边力方案，并对多种材料进行了模拟，为训练神经网络提供了样本数据；在此基础上建立了拼焊板方盒形件拉深成形材料性能参数的神经网络识别模型；识别模型收敛精度达到了1‰，随机抽取的样本识别误差都比较小，并利用实验数据验证了识别模型的可行性；此外研究了样本复杂性和网络结构复杂性对模型的泛化能力的影响规律，实验证明，BP神经网络适合拼焊板方盒形件拉深材料性能参数的实时识别。本文将正交试验、模拟与神经网络三者结合，得出拼焊板方盒形件拉深成形参数识别模型，为拼焊板方盒形件拉深成形过程的实时控制技术的研究奠定了基础。