板料冲压成形是一种十分重要的金属塑性加工方法,广泛应用于汽车、航空、航天等领域。由于板料成形需要经历复杂的变形过程,因此合理地确定成形工艺对提高产品的质量和保证生产的稳定性具有至关重要的作用。当前,制造业以缩短产品开发和制造周期、降低产品开发费用以及减轻产品重量作为竞争目标,所以,板料成形工艺与模具的优化设计问题受到各国工程和研究人员的日益关注。随着计算机技术和有限元理论的发展,利用数值模拟对板料成形进行优化可以减少试模费用,降低实验成本和提高生产效率,但进行数值模拟时往往具有盲目性,这就造成时间和成本的大量消耗,有时甚至不能得到满意的优化结果。板料成形通常要满足不拉裂、不起皱以及回弹小等多个要求,而传统的简单加权法不能很好地解决板料成形中的多目标优化问题。基于以上问题,本文开展了以下几个方面的研究工作,并取得了相关的研究成果。为了提高基于数值模拟的板料成形优化问题的建模精度,本文通过比较四种主流近似模型方法的优缺点,提出了用于板料成形的径向基函数(RBF)近似模型方法。运用测试函数对在不同样本数量与不同核函数形式下所建立的近似模型的精度进行对比研究,得出逆多二次函数与高斯函数作为核函数分别在大样本和小样本情况下精度最高的结论,并验证了径向基函数近似模型方法能够兼顾效率与精度。将该方法用于带法兰圆筒件成形过程的优化,建立了压边力和摩擦系数对法兰外缘轮廓均匀程度和极限拉深深度影响的近似模型,得到了精度较高的近似模型。为了节省对板料成形近似模型的优化时间,本文介绍了四种主流的多目标遗传算法,通过对各种算法优缺点的比较,选择NSGA-II多目标遗传算法作为本研究的优化算法。NSGA-II采用种群排序方法、精英策略和二元锦标赛选择方法等有利措施,使得整个算法更加完善,具有更加优越的优化性能。通过运用3个不同类型的函数对NSGA-II算法进行测试,结果表明NSGA-II是一种高效的优化算法,适合大型工程问题采用。本文提出基于径向基函数和NSGA-II多目标遗传算法的板料成形过程优化的RBF-NSGAII方法,并通过在Matlab 7.5平台上编制程序来现实这一方法。该方法的基本原理是:通过拉丁超立方实验设计,利用径向基函数近似模型方法建立起设计变量与设计响应之间的非线性关系,并通过NSGA-II算法对近似模型进行寻优,得到Pareto解,从而得出最佳的参数组合。将RBF-NSGAII方法应用于板料成形工序中,通过两个实例分别说明了RBF-NSGAII方法在坯料优化和工艺参数优化设计中的应用流程。每个实例中都涉及到问题描述、设计变量和约束条件的选择、目标函数的定义、实验设计和RBF-NSGAII方法优化几个方面的内容。实例验证了该方法在板料成形工序应用中的可行性和有效性。将RBF-NSGAII方法应用于板料回弹优化中,并通过两个实例说明了RBF-NSGAII方法在板料回弹优化中的应用流程,实例1通过优化工艺参数来控制成形后的回弹,实例2通过优化拉延筋来控制覆盖件的切边回弹。每个实例中都涉及到问题描述、设计变量和约束条件的选择、目标函数的定义、实验设计和RBF-NSGAII方法优化几个方面的内容。实例2将优化后的结果应用于生产实际,通过生产实验进一步证明了该方法对板料回弹控制的有效性。