随着对压铸件精度的要求越来越高，模具的变形严重的影响了铸件的质量和性能。针对此种情况，本课题在模具设计过程中，利用数值模拟技术对模具在不同结构参数和工艺参数条件下的变形情况进行模拟，了解结构参数和工艺参数对模具变形的影响，并预测模具的变形情况。对提高铸件质量、降低铸件成本具有现实意义。本论文主要采用ANSYS通用商业软件作为模拟平台，以材质为ZL101合金、型腔投影面积为300cm~2的铸件为例，对压铸生产中引起的模具变形进行数值模拟，描述了模具变形与飞边毛刺等缺陷产生的关系。以Matlab软件为第二开发平台，结合数值模拟的结果，对样本数据进行仿真训练，预测其他结构参数下动模镶块的最大变形量，从而达到对压铸模具的结构优化设计的目的。本课题的研究表明：利用数值模拟技术进行应力场模拟分析可以模拟预测模具的变形情况，并发现：压射比压、垫块间距比例和支承板厚度对模具变形的影响较大，而垫块厚度对动模具变形的影响相对要小一些，通过调节压射比压、垫块间距比例和支承板厚度可以控制模具的变形情况。将BP神经网络技术引入到模具设计领域中，充分利用了数值模拟的结果，大大提高了数值模拟的效率。在神经网络仿真训练的基础上预测其它结构参数下的模拟结果，并将预测结果与结构参数之间的关系以图形的形式表达出来，设计人员在模具设计中可以参考本课题得出的数据进行设计。不但节省了时间，还大大降低了模具设计人员的工作量，具有实际的参考价值。本课题结果说明：在模具设计过程中，将数值模拟技术和神经网络技术相结合，能够全面的把握各因素之间的内在规律，以最少次数试验获得准确的预测及优化结果，可以达到优化模具设计的目的。目前，将神经网络技术应用到压铸模具设计过程中的文献还很少，所以本课题具有一定的创新性和应用价值。