کشش عمیق هیدرومکانیکی ورق فلزی یکی از روش های شکل دهی ورق می باشد که جهت برطرف کردن مشکلات موجود در فرایندهای متداول شکل دادن ورق نظیر کشش عمیق سنتی ابداع شده است. با وجود مزایایی که روش کشش عمیق هیدرومکانیکی ورق دارد همانند روش های دیگر با چالش هایی روبرو است، پیدا کردن حد کشش و فشار محفظه مناسب برای جنس ها و پارامترهای فرایند مختلف یکی از چالش هایی است که این روش با آن مواجه است و رفع این مشکل با انجام آزمایشات و سعی و خطا نیازمند صرف هزینه و زمان زیادی خواهد شد. با توجه به پیچیدگی هایی که در تحلیل این فرایند وجود دارد ، از جمله ناحیه متغیر اعمال بار فشار سیال در طول کورس سنبه و پیچیدگی های هندسی شکل قطعه، بررسی فرایند به صورت تحلیلی کار بسیار دشواری است، بنابراین روش های عددی و شبیه سازی در بررسی این فرایند مناسب ترین راه حل به نظر می رسد ، اما حل عددی مسئله نیز نیاز به صرف هزینه و وقت زیاد دارد و برای هر مسئله خاص باید یک حل جداگانه صورت گیرد. با استفاده از شبکه عصبی مصنوعی و سازمان دهی داده های حاصل از آزمایشات تجربی و تحلیل اجزای محدود فرایند در یک شبکه عصبی مصنوعی می توان یک راه حل ساده تر و سریع تر برای حل این مسئله به دست آورد. در این پروژه با سازمان دهی داده های حاصل از شبیه سازی فرایند، در یک شبکه عصبی مصنوعی یک راه حل آسان و سریع برای پیش بینی حد کشش در فرایند کشش عمیق هیدرومکانیکی ایجاد شده است، همچنین برای شبیه سازی فرایند از نرم افزار اجزای محدود abaqus با استفاده از یک روش ابداعی برای اعمال بار فشار سیال نسبت به حرکت سنبه استفاده شده است، همچنین برای پیش بینی پارگی از معیار آسیب نمودارهای حد شکل دهی در شبیه سازی فرایند استفاده شده است. در این پایان نامه دو جنس فولاد کم کربن و آلومینیوم آلیاژی بررسی شده اند. در نهایت روش اجزای محدود یک روش مناسب برای شبیه سازی فرایند کشش عمیق هیدرو مکانیکی می باشد، همچنین استفاده از شبکه عصبی مصنوعی یک روش سریع و آسان برای پیش بینی حد شکل دهی می باشد و تطابق خوبی بین نتایج حاصل از شبیه سازی و نتایج حاصل از شبکه عصبی وجود دارد. با استفاده از روش کشش عمیق هیدرومکانیکی، نسبت کشش 1/3 برای فولاد و نسبت کشش 5/2 برای آلومینیوم حاصل شده است.