压力矫直法是目前研究最多的矫直方法之一,也是应用最广泛的一种矫直方法。实现工件高精度矫直的基础是矫直工艺理论,而其中最关键的技术是对矫直行程的计算,它直接影响矫直精度。本文的研究目的是针对现有的矫直设备,建立一种精密矫直行程预测方法,为实现矫直系统的智能控制奠定基础。本文从现有的压力矫直理论出发,以本课题组已有的矫直设备——全自动精密矫直机为基础,提出了矫直行程预测的理论模型。利用人工神经网络(ANN)技术分析了材料性能参数准确获取的问题,提出了一种应用材料参数在线识别的精密矫直行程预测控制方法。研究内容主要包括：首先：以材料力学和弹塑性理论为基础,分析了已有压力矫直中的经典模型——载荷-位移模型在压力矫直中的应用并推导其数学模型的建立过程。针对载荷-位移数学模型建模过程中无法求解塑弯比与弹区比函数的反函数从而影响精确建模的问题,提出了一种数值分析的解决方法。其次：利用载荷-位移模型提出用于矫直行程预测的初始挠度-矫直行程预测模型,并编程实现。设计弯曲实验验证该模型的可行性。再次,建立了BP神经网络在线识别模型和遗传算法优化的BP网络在线识别模型,用MATLAB编程实现并显示运行结果。针对遗传算法训练结果中预测输出误差同步的问题,改变BP神经网络结构,采用单预测输出的神经网络提高精度。最后,在现有矫直设备与矫直工艺的基础上分析了提出一种精密矫直行程预测控制模型。该模型由行程预测模型计算矫直行程,由矫直工艺参数数据库和在线识别模型提供行程预测所需参数,由在线监测量反馈行程预测是否结束,最后将有效的矫直工艺数据存入矫直工艺参数数据库。分模块开发精密矫直行程预测软件的各模块功能。