随着汽车工业的飞速发展和传统制造业的转型升级,薄板类金属冲压产品凭借自身独有的功能特性而备受关注。作为能够提高金属板料拉深成形质量、改善板料成形性能简单有效的技术之一,压边力控制技术被相关成形领域广泛认可和重视。实验证明,采用变压边力加载控制可以有效的减少甚至避免板料成形中出现的起皱、破裂等失稳现象,提高板料的成形稳定性。尤其针对实际生产中一些表面质量要求较高、外形尺寸较大、成形结构较为复杂的一次冲压成形,变压边力加载的优势就更加明显。然而时至今日,变压边力的研究还停留在经验总结和数值模拟上,具体影响机理不得而知,相关研究成果千差万别,有时甚至相互矛盾。所以开展变压边力控制技术和人工智能技术在复杂冲压件成形中的应用研究,对缩短产品的开发周期、快速响应市场、提高产品的精度和质量具有明显的现实意义。论文以相关科研项目为依托,结合有限元模拟技术和人工智能技术在金属板料拉深成形领域的应用,以非轴对称性方盒形件为研究对象,依据塑性成形理论和薄板金属冲压成形原理,分析了方盒形件冲压成形的工艺特点和常见的成形失效形式及其评价标准；建立了方盒形件成形压边力计算的数学模型,对成形过程中法兰部分和侧壁部分的应力应变进行研究分析,并推导出了方盒形件拉深成形中板料起皱和破裂的临界压边力数学求解公式,计算确定了冲压成形中压边力加载的安全极限和方盒形件成形的安全区域。其次,利用专业的CAE仿真分析软件DYNAFORM对方盒形件拉深成形过程进行仿真模拟。研究分析了恒定加载模式、直线递增模式、直线递减模式、V型模式和Λ型模式等常用的典型压边力控制方式下方盒形件的成形性能；并以希尔各向异性为理论依据,在参考相关研究成果的基础上,以实际生产要求为标准,研究分析了变压边力对板料极限拉深比(LDR)的影响。然后,利用MATLAB软件编写仿真程序,建立了方盒形件成形过程中变压边力加载规律的径向基(RBF)神经网络智能预测模型。鉴于实际生产中抽样数据的均衡性和分散性特征,采用正交试验法,通过DYNAFORM软件模拟仿真获得了相关预测所需的学习样本数据,对RBF神经网络预测模型进行训练学习,通过V型变压边力模拟仿真结果和网络预测结果的比较检验了网络模型的智能预测性能。最后,综合分析了网络预测结果和不同压边力加载模式的成形效果,对成形效果更好的神经网络预测结果进行多项式优化拟合,获得了方盒形件冲压成形最优变压边力加载曲线。并且该加载曲线为非线性变化,更符合板料冲压成形的客观实际情况。