本文基于MATLAB平台，将BP神经网络、遗传算法和数值模拟技术应用于铝型材挤压模具参数优化设计。采用BP神经网络建立型材挤压模具的数学模型；由正交实验法安排模拟实验组合；采用有限元软件进行挤压过程的数值模拟；并以挤压模具中金属流出模口平面上的Z向质点流速均方差作为模型目标值；将模拟结果作为神经网络的输入样本对训练网络并建立网络知识源；曲线拟合、回归分析逼近求得设计变量与目标值的函数关系表达式作为遗传算法的适应度函数，通过遗传算法求得模型的全局优化解；最后利用有限元数值模拟技术验证并比较优化所得设计变量与经验法确定的设计变量对金属流动均匀性的影响。 本文采用上述CAO优化系统，以U形铝型材挤压平模、对称弯钩铝型材挤压平模和非对称弯钩X5214-A铝型材导流挤压模三个典型实心型材挤压模具为例，分别对模孔位置参数、多区域工作带尺寸和导流孔形状参数进行了优化设计。CAE计算结果和实际生产试模结果表明，采用本文建立的优化系统可以顺利实现挤压模具的参数优化，且优化结果可靠有效。 与国内同类研究相比，本文所建立的挤压模具参数优化系统在BP神经网络隐含层设计、网络知识源的曲线拟合(或回归分析)、SDV的计算与导入等方面均具有特色，尤其是采用曲线拟合或回归分析方法将BP神经网络建立的知识源转化为设计变量与目标值之间的具体函数关系，并将此作为遗传算法的适应度函数，使遗传迭代寻优的过程更为清晰快捷。