本文所进行的研究都是针对S-YXGWK-200液压弯管机平台。原软件平台需要操作人员根据经验，输入管子形状和液压缸进给之间的关系曲线，但是这种操作方式并不直观，而且每一批次的管材都要重新试弯，管形变化也需要试弯，根据本人在工厂的实际见闻，仅对于熟练的老工人而言每次试弯都要浪费3~5根管材。所以浪费材料，效率低下。为克服这一问题实现弯管过程的自动化、高效化，就要开发一套可靠的控制系统，使之能够很好的将工程图“翻译”成对应的液压缸进给曲线；并且由于管材回弹的存在，我们还要选择一个实际有效的回弹解决方案。为实现此目的，我们在软件方面对Autocad进行二次开发，截取Autocad的导出文件DXF文件中的有用信息，进而获得描述管材形状的工程图信息。而由于在工厂实际应用中比较采用“NURBS”曲线来刻画管形，为此我们还要深入的研究样条曲线的数学原理。在完成了管形曲线的读取之后，需要根据实际弯管状况，对该曲线进行一系列的变化，以得到对应位置的液压缸进给量，而该进给量形成的曲线就是我们想要得到的最终曲线。另一方面，为克服管材的回弹，我们阅读和研究、研讨了国内外学者在此方面的研究成果发现：管材在弯曲变形发生后会发生回弹，这是影响弯管质量的最主要因素。而影响回弹的因素众多，诸如管材形状、材料、变形大小、管壁厚度等。数控弯管机要发展，就不可避免的要面临回弹补偿问题，针对管型特征进行有效的回弹补偿才能实现数控弯管机的完全自动化。而管材回弹问题恰恰是一直困扰国内外学者的难题。目前对管材回弹的研究和实验很多：从弹塑性力学出发，基于弹塑性力学六大基本假设(连续性假设、均匀性假设、各向同性假设、完全弹性、小变形、无初始应力)解出回弹和管材形状、材料、变形大小、管壁厚度等因素之间的函数[1]；从有限元的角度分析并利用有限元分析软件预测回弹大小的比较多[2]；利用bp神经网络学习样本并预测实际管型和回弹之间的关系[3];应用最小势能原理分析和预测回弹[4]。但是这些模型需要的基本假设太多，适用的范围很小：仅限某一种管材或小半径弯曲情况或平面薄板弯曲等，所以至今并没有一种被广泛承认和接受的理论模型。鉴于此，研究进行大胆创新，回避管型、壁厚、管材等诸多因素和回弹之间的函数关系，采用黑箱设计法，对回弹发生后的管型进行二次测量，采集之后传给计算机，在下一次弯管中补偿掉，如此逐次逼近，最终生成符合要求的管型。针对软件采集数据所需硬件电路，我们在实验室搭建实际电路进行验证；在开发的软件下进行模拟试弯，实验结果证明硬件电路和软件算法的正确性。并于客车厂将软件安装到工控机上进行试弯，获得了较为满意的实验结果。