回弹是弯曲成形中不可避免的物理现象。由于回弹的存在,使得成形后的零件形状和尺寸发生较大的变化,难以达到设计的要求。因此,如何提高弯曲回弹预测的精度,一直是工业界研究的热点和难点。近年来,代理模型法开始越来越多的应用在冲压成形上,尤其是弯曲回弹的预测。然而,由于在弯曲过程中,回弹受到了诸多因素的影响,不同形状的零件回弹规律差别又很大,目前代理模型法对弯曲回弹预测精度还不理想,回弹问题还有待进一步的研究。另外,在工业实践中,通常采用调整和控制工艺参数来减小回弹量。基于此,本文根据影响弯曲回弹预测精度的几个难点：如何调节工艺参数减小回弹、回弹预测模型的选择以及高精度回弹近似模型的建立,应用组合预测建立代理模型的方法,开展了针对弯曲回弹的预测研究。首先利用灰色关联分析各工艺参数对回弹的影响程度,以影响较大的工艺参数作为设计变量,结合灰色模型和BP神经网络模型各自的优点,将组合的灰色神经网络代理模型应用于弯曲回弹的预测。该模型针对于弯曲回弹的特点,作了以下改进：采用多因子输入的灰色预测模型为主模型进行粗预测,神经网络为辅助模型修正其误差,并通过寻找最佳权值以优化灰色模型中微分所对应的背景值,来获得预测效果最佳的灰色模型,以提高灰色神经网络代理模型的回弹预测精度。然后,以NUMISHEET’93的典型弯曲模型——U形件为例,分析影响U形件回弹的工艺参数,获取原始数据；通过灰色关联分析筛选出主要影响因素,分别为压边力、凹模与板料间的摩擦系数以及模具间隙；再以这三个因素为设计变量,利用改进灰色神经网络建立近似模型,对成形后的回弹进行预测验证,预测平均相对误差仅为2.26%；最后,把该预测效果与其他文献所使用的代理模型进行对比。结果表明：应用基于灰色理论和灰色神经网络代理模型组合预测的方法预测U形件弯曲回弹,设计变量少,预测精度高,既提高了回弹预测的精度,又提升了控制工艺参数减小回弹的效率。