拉弯工艺是型材弯曲成形的重要方法，在航空、航天、武器装备和汽车型材弯曲件的制造中得到了非常广泛的应用。拉弯零件卸载后的回弹现象使成形精度受到很大影响。由于拉弯成形过程材料受力状态复杂，同时受材料物性参数、摩擦条件等因素的影响，拉弯成形回弹预测很困难。拉弯工艺参数的确定主要依赖经验通过试错法来解决，有些零件不得不采用拉弯—退火—再拉弯的多次拉弯成形方法，不能做到一次拉弯精确成形，导致周期长，成本高，不能适应产品快速研制的需求。目前，国内外对无侧压拉弯有所研究，但对有侧压拉弯的研究少有报道，而对拉弯成形智能控制的研究未见报道。 拉弯成形智能控制可以适应材料性能的变化，提高成形精度。本文通过理论分析、实验研究的方法对拉弯成形变形机理及材料物性参数、工艺参数对回弹的影响规律进行了深入研究。在此基础上，采用人工神经网络的方法，建立了拉弯成形过程智能控制模型，开发了拉弯成形过程智能控制系统，实现了拉弯成形的智能控制。 具体研究内容、成果和创新点如下： 1．采用单轴应力的假设，运用力平衡方法，建立了无侧压拉弯成形力学模型，得出了拉弯工艺参数对回弹的影响规律。 2．推导出无侧压拉弯方式下主拉力、后拉力及工件和模具之间摩擦系数的计算公式，建立了拉弯成形摩擦系数的测量方法。 3．首次采用弹塑性增量法及虚功原理，建立了有侧压拉弯成形力学模型，研究了材料物性参数、拉弯工艺参数对回弹的影响规律。 4．首次采用流函数法建立了拉弯侧压区塑性变形速度场，并首次提出一种基于修正流函数速度场的方法，成功地将流函数法用于求解弹塑性速度场问题。建立了拉弯侧压区弹塑性变形位移场，从而建立了有侧压拉弯成形解析算法。理论计算与有限元法及实验结果得到的规律一致，为拉弯成形智能控制研究提供了力学基础。 5．采用最小二乘和BP人工神经网络的方法，研究了拉弯过程中材料物性参数及摩擦系数的辨识方法。在预拉过程中运用最小二乘辨识算法实现了材料弹性模量E、屈服强度σ_s的在线辨识；在无侧压拉弯弯曲阶段运用最小二乘辨识方法实现了对摩擦系数μ的在线辨识；在有侧压拉弯弯曲阶段运用神经网络技术建立了材料物性参数和摩擦系数的在线辨识模型，实现了拉弯过程材料的硬化指数n、强度系数K和摩擦系数μ的在线辨识。 6．采用BP神经网络及数据库方法，研究了拉弯成形回弹在线预测控制技术。