传统上采用样品试制的方式进行折弯加工。由于这种办法需要对板料进行多次试验性加工以获取加工参数，有费用偏高，试制周期长等诸多弊端，而且对于新产品的开发有很大的限制。为了实现柔性生产和加工参数的智能化控制，提出了利用人工神经网络控制板料折弯成形加工参数的设想。 基于神经网络的板料折弯成形有限元分析研究是一个典型的多学科交叉领域，它涉及机械加工中的板料加工成形、有限元分析建模、人工神经网络控制等相关技术。这种参数控制的方法极大的简化了生产加工的过程，节约了加工生产的费用，以及缩短了产品开发研制的周期，具有很大的经济效益和广阔的应用前景。同时也为新的科学技术应用于传统的机械生产加工开辟了一个全新的领域。 针对当前计算机技术的广泛应用和各种软件功能的迅猛发展，本文成功的将计算机仿真技术和辅助制造技术应用于生产参数的控制，研究了有限元模拟生产加工和神经网络模拟人脑思考，实现了加工参数的智能化控制的功能。 本文介绍了板料折弯成形的一些基本理论，特别是单次折弯成形。在分析金属成形过程中，采用有限元法分析金属成形问题，应用了计算机仿真软件ANSYS进行有限元建模，对轴对称和平面应变条件下的金属冲压成形过程板料与模具应力场、应变场(包括弹性与塑性应变)、金属的成形过程以及模具的受力及失效原因等进行详细的三维动态模拟，建立了板料加工成形的有限元模型，而且通过实践证明这个模型的有效性和准确性。 利用已经建立的有限元模型，取代实际的加工试验来获取加工的样本数据，其中还应用正交试验设计来得到了充分的数据信息，简化了数据处理过程。 对人工神经网络进行了初步的研究，特别是对BP神经网络进行了深入的研究。应用神经网络技术，并利用已经获取的加工样本数据，建立起工艺参数与折弯角之间的人工神经网络模型。通过这个神经网络模型，输入备选的加工参数，可以迅速的得到的加工结果；再通过预测值与期望值的比较，为参数选择的调整提供有效快捷的指导。 最后，对所建立的模型的应用进行了简要的说明，指明了模型的实践用途和实际意义。 应用这种预测模型，避免了加工过程中工艺参数的获取需要的对大量的原材料进行很多次的反复试验，而造成的大量的人力物力资源的浪费，生产成本的倍增。从而提高了生产效率，节约了生产成本，创造了可观的经济效益和社会效益。