型材弯曲件在航空航天等领域应用广泛,具有零件种类多、成型复杂、精度要求高等特点。传统生产加工过程中常需要加工大量的模具,导致生产成本居高不下。滚弯装备由于采用滚弯工艺进行加工,无需专用模具,具有广泛的市场前景。由于滚弯成型受到材料性能参数、几何参数、结构参数、工艺参数等复杂因素耦合作用影响,加之目前对滚弯设备、滚弯工艺、成型控制等掌握不够,特别在变曲率滚弯件生产中,因其时序性、动态性出现成型件回弹难以解决等问题,因此关键核心技术急需突破。为此,本文对基于机器学习的型材回弹关键技术进行了深入研究,主要研究内容如下:首先,针对滚弯材料参数、设备参数和工艺参数对成型曲率的耦合作用和回弹影响进行了研究,并分析了滚弯成型的机理和曲率回弹约束条件,建立滚弯成型特征向量的表征方法,定性分析主要因素对成型回弹的相关性,在此基础上,结合成型原理对主要特征进行提取和归一化处理。其次,根据滚弯成型回弹关系和满足小样本分析的需要,采用机器学习方法,提出基于支持向量回归的定曲率回弹预测模型,分析和挖掘复杂因素影响下的定曲率和回弹的关联关系。并在模型中引入核函数,将滚弯回弹的高维特征问题映射到希尔伯特空间解析回弹关系。再次,针对变曲率成型过程的曲率随时间动态变化特点,在研究定曲率回弹关系的基础上,提出基于双向长短期记忆神经网络(BiLSTM)算法的变曲率回弹分析方法,通过神经元选择、遗忘及传递等过程循环迭代分析和优化拟合变曲率回弹关系。最后,基于三辊对称式滚弯机对6061铝合金型材滚弯回弹分析模型进行实验分析,通过实验数据分析建立不同曲率分布下的回弹解析关系,并针对不同输入曲率预测回弹量,验证所提出的基于机器学习的型材弯曲回弹预测方法有效性和可行性。