汽车覆盖件的成形质量是决定汽车产品市场竞争力的主要因素之一,而其模具的设计水平则决定着覆盖件最终的质量,因此模具设计成为整车开发中的一个“瓶颈”。采用经验法制造出来的模具往往需要反复调试和修改,无形中增加了成本,并且质量也很难保证。随着CAD/CAE/CAM技术的发展,使得汽车冲压件模具及工艺设计几乎完全突破了传统的设计方法。而数值模拟则是目前板材冲压成形中最为活跃的领域。该方法通过对板料进行成形数值模拟,可全面了解板料在成形过程中应力应变分布,预测可能产生的成形缺陷。应用数值模拟技术,一方面能够在模具制造之前,从理论上论证成形的可行性,减少模具设计方案的风险,从而达到低成本、短周期进行模具的设计制造,另一方面还可以实现模具设计与工艺参数的优化,为模具工艺分析和设计提供指导。本文主要工作如下:1.系统地阐述和讨论了冲压成形动态显式非线性分析的有限元理论,冲压成形CAE的关键技术、CAD/CAE的基本流程,讨论了冲压仿真有限元建模方法以及适合于冲压仿真的BT壳单元理论及接触处理算法等。2.对仿真过程中参数,如拉延筋、摩擦系数、材料以及板料厚度的选择进行了较深入的研究,基于冲压仿真软件DYNAFORM对典型汽车覆盖件(行李箱内板)的冲压过程进行了仿真。并将仿真结果与试验结果比较,证明了该方案的可行性,对于冲压过程中的参数优化具有指导意义。3.探讨了回弹产生的机理、影响回弹的因素以及控制回弹的方法。应用正交试验方法对影响冲压成形后回弹的四个因素:模具间隙、压边力、板料厚度、润滑条件进行了研究,通过极差分析,得出了上述因素对成形性能的影响程度,从而得到了比较理想的参数选择方案。4.在回弹数值模拟正交试验的基础上,应用改进的BP神经网络方法对正交试验中的试验参数与回弹间的影响规律进行了拟合,预测了冲压参数变化下的回弹量。5.最后将预测的回弹量与模拟的试验数据进行了对比,验证了基于BP神经网络的回弹预测方法的准确性与可行性。