近年来,随着汽车工业轻量化等要求的提出,高强钢、铝合金板料在车身覆盖件中广泛应用。然而,高强钢、铝合金材料不同于普通碳钢,使得冲压件的回弹现象更为严重,成形件的精度难以满足要求。另外,板料冲压成形中涉及大量的复杂梁形件,此类冲压件在外力卸载后极易出现扭曲回弹现象,使得冲压和回弹的数值模拟精度也难以得到保证。因此,控制高强钢、铝合金等复杂冲压件的回弹缺陷成为研究的热点。为了控制冲压件的回弹,提高优化效率,利用小波神经网络代理模型对回弹问题进行了研究。以NUMISHEET’96 S梁为研究对象,建立其有限元模型,利用Dynaform对其进行数值模拟。以4个工艺参数作为影响因素,回弹作为成形目标,运用拉丁超立方抽样获取样本点,建立影响因素与回弹之间的小波神经网络模型,利用改进的粒子群算法对该模型进行优化求解获得了最佳工艺参数。结果表明：小波神经网络代理模型能较好地描述板料工艺参数与回弹之间的映射关系,优化后的工艺参数能减小S梁的回弹。为了研究高强钢板料的性能参数对冲压件扭曲回弹的影响程度,以NUMISHEET’2011汽车前纵梁冲压件为研究对象,对其冲压、修边及回弹过程进行数值模拟,提出了一种定义复杂件扭曲回弹的指标,运用正交试验设计的方法分析了高强钢板料的主要性能参数对该前纵梁冲压件扭曲回弹的影响,基于试验的极差分析结果,从减小扭曲回弹的角度提出了冲压成形高强钢板料的选用原则。针对高强钢梁形件冲压成形后出现的扭曲回弹现象,以弯曲梁冲压件为研究对象,以提出的定义扭曲回弹的指标为目标,运用正交试验设计的方法对影响弯曲梁扭曲回弹的主要工艺参数进行了定量分析,筛选出了4个关键参数；结合拉丁超立方试验设计的方法建立弯曲梁的关键参数与成形目标之间的小波神经网络模型并进行工艺参数优化,获得了最佳工艺参数。结果表明：优化后的工艺参数能有效地减小弯曲梁的扭曲,为控制扭曲回弹缺陷提供了参考。