针对高强钢帽梁冲压成形过程中强度高、塑性差、结构复杂、断口变薄等问题，建立了QP980高强度钢冲压成形变薄预测模型，解决了实际生产工程问题。方法以典型高强度钢车身零件帽梁为对象，利用人工神经网络模型研究了工件结构与减薄率的关系。将贝叶斯优化算法与循环人工神经网络相结合，建立了高精度冲压减薄预测模型，并对高强钢帽梁零件的减薄量进行了优化。AutoForm软件验证了算法模型的准确性。结果拉伸高度对减薄率的影响最大，外部减薄率为41.7%，内部减薄率为46.2%。人工神经网络模型对测试集中五组数据的平均预测误差小于0.3%。根据人工神经网络的解，QP980钢在25%极限减薄率下的最大拉拔高度为55.417mm。人工神经网络的预测结果与Autoform的模拟结果相差0.3%，验证了人工神经网络模型的准确性。结论该模型解决了CAE模拟算法在实验数据较少的情况下预测精度差的问题，能有效缩短高强度钢零件的冲压调试周期，提高生产效率。