挤压铝型材制品广泛应用于工业、民用、建筑、交通等各个领域。铝型材挤压是一项复杂的塑性成形技术，具有金属流动规律复杂、塑性变形大以及高温、高压等特点。挤压模具的结构直接影响到最终型材产品的质量，因此，如何优化设计模具结构，保证挤压铝型材产品的质量具有重要的意义。金属材料流速的均匀性是影响挤压铝型材产品质量的重要因素之一，而挤压模具分流桥结构对金属材料的预分配有重要影响。本文采用人工智能与数值模拟相结合的方法，以铝合金薄壁长方形管为例，研究挤压模具分流桥结构的优化设计，使金属材料的流速分布尽可能均匀。本文基于HyperXtrude平台仿真模拟铝型材稳态挤压过程，分析了金属流速、模具应力以及温度的分布情况。HyperXtrude是一款基于任意Langrangian-Eulerian算法的专用铝型材稳态挤压仿真平台，比较好地解决了基于Langrangian算法的网格重划分的问题和基于Eulerian算法的边界条件难处理的问题。本文用流速均方差(Mean-Square Deviation of Velocity, SDV)表征金属流速均匀性。之前的研究表明，分流桥辅桥宽度与主桥宽度之间应当存在一个比较合理的比值，使金属流速比较均匀。本文以铝合金薄壁长方形管为例，以铝合金材料在模孔出口处的流速均方差最小为优化目标，以分流桥主桥宽度、辅桥与主桥宽度的比值为优化变量，对挤压模具进行优化设计。本文采用BP神经网络(Artificial Neural Networks, ANNs)拟合优化变量与优化目标之间的映射关系。当给定分流桥主桥宽度以及辅桥与主桥宽度的比值，通过建立的神经网络可以比较准确地预测材料的流速均方差。遗传算法(Genetic Algorithm, GA)是一种在优化效率和全局寻优能力之间取得较好平衡的优化方法。本文基于BP神经网络建立的映射关系，采用遗传算法优化挤压模具分流桥结构，最终确定了使流速均方差最小的挤压模具分流桥结构。利用HyperXtrude平台模拟，并与未优化的方案进行对比，优化后模型的金属流速、模具应力以及温度的分布情况确实得到了一定改善。本文研究的优化方法有效降低了铝型材挤压模具设计的成本，节省了模具开发周期，具有较好的优化精度，为挤压模具结构优化设计提供了一种新的思考。