厚壁管件主要是指外径和壁厚之比小于20的管类零件。此类管件在日常的运输、加工和使用过程中会因为受力而容易产生各种变形。因此,为了修复已经产生的弯曲变形需要对管件进行校直的操作。与辊式校直法相比,压力校直法具有精度可控制,容易操作,校直应用的范围广等优点。本文旨在针对厚壁管件,采用有限元分析,神经网络针对厚壁管件的材料参数进行识别,减少材料参数对后续校直过程的影响。同时探讨了校直过程中影响最后校直结果的参数,包括材料参数（弹性模量、屈服极限）、几何参数（壁厚、内径）和工艺参数（下压量、支点距离）对校直结果的影响并对影响规律进行了分析。结合有限元方法和多目标优化软件针对校直工艺参数（下压量、支点距离）进行了优化。本文主要的研究任务可分为以下几部分:1、对校直工艺和设备的发展现状进行了简要概括说明。并在弹性力学的三点反弯原理的基础上,阐述了管件的校直的基本原理。2、基于弹塑性理论,研究了校直过程中的应力关系和变形关系,得到了载荷和挠度之间的数学关系,建立了校直过程中的载荷挠度模型。3、基于神经网络建立了以厚壁管件为研究对象的材料参数的识别模型。以弹性模量和屈服极限为最终识别对象,研究了特定零件材料参数波动的现象。4、采用有限元仿真研究分析了压力校直过程中影响最后校直结果的参数,并分析了参数的影响规律。5、以下压量、支点距离为设计变量,以校直后的等效残余应力和残余变形量为优化设计目标,建立了其校直效果多目标优化模型,径向基神经网络代理模型以及多岛遗传优化算法（MIGA）对其校直工艺参数进行了多目标优化,并对优化结果进行了验证实验。结果表明经过优化设计过的校直工艺参数,能明显提高校直的质量。结合弹塑性理论的分析建立了针对厚壁管件的载荷挠度模型和有限元分析模型以及管件的材料参数识别模型,验证了材料参数识别模型和有限元模型的准确性。其校直效果进行了多目标优化,并对优化结果进行了验证。此进一步提高校直效率,达到改善校直质量的目的。