薄板冲压成形过程具有高度复杂的几何非线性、材料非线性及边界非线性等特点，不合理的设计变量会导致板料出现起皱和拉裂缺陷，更严重的导致零件直接报废。随着计算机技术和优化理论的快速发展，基于有限元分析工具和优化算法对冲压工艺参数进行优化设计已成为当前该领域的研究热点。本文的研究围绕板料成形工艺优化中的复杂变量关系展开，旨在提高优化模型精度，选取最佳的工艺参数。论文主要完成了以下工作：(1)研究了常用的近似模型技术和试验设计方法,详述了支持向量机回归的基本理论。(2)采用非线性动态改进惯性权值、非线性动态调整加速因子和引入自适应粒子变异三种策略改进了标准粒子群算法，基于支持向量机构建冲压工艺参数与成形质量之间的多元非线性回归模型，并利用改进粒子群算法对回归模型进行优化，在此基础上，将改进粒子群算法应用于冲压成形工艺参数寻优，获得优化的工艺参数组合。(3)以盒形件拉延为例，阐述了设计变量的选取原则和板料冲压成形质量的评价指标，建立了盒形件拉延优化模型，验证了支持向量机所构建的非线性回归模型的拟合精度比响应面、BP神经网络和Kriging模型更具有优势。在支持向量机模型基础上应用改进粒子群算法求解优化模型。(4)将支持向量机和改进粒子群算法应用于汽车机盖外板的板形优化和后地板横梁件的工艺参数优化，验证了该方法在冲压成形优化领域的广泛有效性和实用性。