把人工智能技术和方法引入冲压成形领域是当前冲压成形研究的一个热点。人工神经网络是一种模拟人脑脑神经传递信息的方式而建立起来的一种人工智能的方法，它是一种分布式的并行处理系统，其处理结果以权值形式分布存储在矩阵中。通过这种网络能够实现任意的非线性输入输出映射关系，具体的映射关系体现在构成网络的神经元之间的分布连接权上，由于网络具有很强的自适应和学习能力以及鲁棒性和容错能力，它不仅可以替代许多复杂耗时的传统算法，并且由于它对信息的处理更加接近于人的思维活动习惯，为解决非线性系统模拟和未知模型的预测提供了新途径。拉深是冲压板料成形工艺中最典型、最复杂的一种成形工艺，也是应用最广的一种冲压工艺。对于拉深工艺，极限拉深系数[m]的确定是一个很重要的问题。坯料的极限拉深系数是一种重要的冲压性能指标，它是决定拉深工艺方法的基本依据。筒形件是典型的轴对称拉深件，在拉深过程中材料的变形虽然相对简单，但是在生产过程中，由于影响因素很多（包括工件材料本身性能以及各个工艺参数），且各种因素之间相互制约，故如何准确地计算筒形件拉深极限就成为一个复杂的非线性多因子问题，要真正准确预测筒形件极限拉深系数也是一个非常复杂的课题。本次作者提出了采用人工神经网络的方法预测筒形件极限拉深系数，为确定筒形件极限拉深系数给出了一个新思路。本文在对筒形件极限拉深系数影响因素的详尽分析基础上建立了一个三层的BP神经网络，运用该网络模型得到了较好的预测效果，具有较高的精度，足以满足工程设计计算要求。研究结果表明，对于多参数耦合问题，人工神经网络确实有很大的优势，完全适合应用于冲压成形领域。使用Microsoft Visual Basic 6.0编程工具和MATLAB仿真软件相结合的方法混合开发该系统软件。软件可在各种Windows操作系统平台上面稳定运行，具有较高安全性、可靠性、准确性，且具有良好的可移植性、友好的人机交互界面。