滚弯产品广泛应用于航空航天、船舶制造、机械制造等诸多领域。传统工艺生产需要使用模具,生产成本高且效率较低。滚弯成形技术柔性化程度高,无需专用模具,特别适用于航空航天等领域高精度和复杂弯曲的产品生产,应用前景十分广阔。型材滚弯成形受到设备结构参数、材料性能参数、型材几何参数和成形工艺参数等耦合作用影响,型材滚弯复杂成形的空间关系难以解析和理解。基于传统理论力学和仿真的研究难以挖掘出成形规律,为此本文采取了XGBoost和条件随机场等机器学习方法,对型材回弹形变关键技术进行了深入研究。研究主要内容如下:首先,对型材本身性能参数和成形工艺参数对回弹形变耦合作用关系进行了研究,定性分析了型材的多维特征对滚弯成形的影响。在此基础上,通过密度聚类的方法挖掘数据之间的相似度,结合材料参数和工艺参数划分型材弹塑性的状态特性分布,为后续预测模型的学习提供更有意义的特征。其次,针对定曲率成形过程的复杂因素耦合影响特点,采用机器学习方法,提出基于XGBoost的定曲率滚弯成形回弹后曲率预测模型,分析和挖掘复杂因素影响下的定曲率回弹表现规律。并在模型调参过程中引入了贝叶斯优化,挖掘模型的最优超参数组合,进一步提升了模型效果。再次,针对变曲率成形过程中曲率动态变化的特点,在研究定曲率回弹的基础上,提出基于条件随机场的变曲率滚弯成形回弹后曲率分析方法,通过概率无向图模型学习滚弯成形的前后关联关系。并使用神经网络,将模型输出的离散值映射到连续值,进一步减少预测值与实际值的误差。最后,针对铝合金型材滚弯回弹分析模型进行实验研究,通过实验数据分析建立不同曲率分布下的回弹解析关系,针对不同工艺参数的输入预测型材成形后的曲率,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。