汽车轮毂轴承作为汽车重要零部件之一，起着承受车身重量和为轮毂的转动提供精确引导的作用。据估计，目前国内仅轿车轮毂轴承的年需求量就达数千万套，市场前景广阔。因此，对轴承套圈的成形工艺及其模具进行研究，具有重要的技术意义和经济价值。常用的汽车轮毂轴承套圈加工方法一般采用热锻毛坯结合后续切削加工进行生产，材料利用率低，制造成本高，且金相组织致密性不高，达不到强化设计的要求。　　 本文采用的冷挤压技术是利用金属塑性变形来成形所需形状零件的一种净成形加工工艺。材料在三向压应力作用下挤压成形后组织致密，晶粒细化，并且材料流线沿零件轮廓连续分布，大大提高了零件的力学性能，尤其是抗疲劳性能。本文基于有限元分析平台DEFORM-3D和MATLAB软件，提出了一套结合正交试验法、BP人工神经网络和遗传算法的模具优化设计方法，对轴承套圈冷挤压模具和成形工艺做了优化，并对模具寿命做了预测，具体工作如下：　　 (1)建立汽车轮毂轴承内圈冷挤压模具简化模型，利用DEFORM-3D软件对其成形过程进行了有限元模拟。对成形过程中应力应变场、速度场、温度场、磨损量以及行程载荷进行了分析。选择了成形挤压速度、凹模行腔的两个圆角半径、摩擦因数作为优化变量，模具磨损量、冲头载荷力、坯料应力作为优化目标。　　 (2)引入正交试验法，建立正交试验表，安排优化变量分别取不同值的试验组，并分别对每组试验进行有限元分析，得到相对应的优化目标值。用所建立的正交试验表和其有限元分析结果为样本，代入MATLAB神经网络工具箱，建立BP人工神经网络，并对网络进行训练，直到网络精度达到要求。采用训练好的神经网络对优化变量取不同值时的优化目标作预测。利用回归分析，寻求优化变量与优化目标之间的函数关系，建立数学模型，作为遗传算法的目标函数。　　 (3)利用遗传算法的寻优功能，实现最优化目标。对优化得到的冷挤压模具进行寿命预测，并试制模具。　　 本文中，神经网络的预测功能代替了优化过程中的有限元分析。有限元分析仅仅为神经网络提供学习样本以及为优化结果做验证，不直接参与优化。避免了有限元分析耗时长的缺陷，提高了优化效率。