近年来随着汽车总量的增加,为实现节能减排,汽车轻量化技术越来越受到重视,自冲铆接作为汽车轻量化中的一种连接工艺被广泛应用在汽车生产制造,它即可以简单、快捷的实现不同类型材料的连接,也具有良好的服役性能。因此对该工艺进行研究,分析其成形机理,优化其工艺参数十分重要。本文以1.8mm DP590和1.2mm6016-T4作为研究对象,采用理论分析、有限元模拟与试验相结合的方法,研究了自冲铆接成形时不同工艺参数对接头几何形貌的影响,建立了底切量的神经网络预测模型。论文主要完成了以下工作:(1)根据母材单轴拉伸的试验数据分别对不同的硬化模型进行拟合,选用加权组合的Swift和Hockett-Sherby硬化模型(SHS)来表征母材的流变行为;对铆钉中间空心圆柱部分进行径向压缩试验,选用双线性硬化模型并采用LSDYNA软件对铆钉径向压缩过程进行仿真,通过载荷与位移曲线的对比,应用参数反求的方法获得了该模型的参数。(2)选用母材SHS硬化模型和铆钉双线性硬化模型,采用Simufact forming对自冲铆接成形过程进行仿真分析。仿真与试验结果表明,接头几何形貌吻合较好,仿真能有效的模拟自冲铆接成形的过程;同时,对自冲铆接接头进行拉剪仿真分析,载荷-位移曲线表明:考虑铆接成形遗传效应的仿真结果与实际更接近。(3)通过试验和仿真结合的方法确定了铆钉的长度和钉腿尖端的几何参数,对不同板料叠放顺序和板料强度的自冲铆接成形仿真分析,揭示了接头内部形成空腔的原因;运用单因素和正交试验的方法研究平底模具的深度、宽度、拔模斜度对底切量的影响,模拟结果表明:随着模具深度和宽度的增加底切量减小,拔模斜度的增加底切量有所增加,模具深度对底切量影响最大,模具宽度次之,拔模斜度影响最小,在所研究的参数范围得到了最佳模具工艺参数。(4)基于BP神经网络建立了底切量的预测模型,并采用遗传算法(GA)对BP神经网络的初始权值和阈值进行优化。结果表明:底切量的GA-BP神经网络预测值较BP神经网络预测值精度更高。