不断提高高温合金的性能一直是航空工业发展的要求，也是许多科技工作者所致力追求的目标。为了达到这个目标，有必要在进行试验性研究之前对所要研究的对象的性能进行预测，然后根据预报结果，调整高温合金制备工艺参数，从而降低研制成本，缩短研发时间。 高温合金的制备过程中，影响其力学性能的因素很多，难以利用普通的建模方法描述各工艺参数与其性能之间的关系。相比之下，人工神经网络技术在复杂系统的建模方面有明显的优势。本文利用人工神经网络技术，对高温合金单晶制备工艺和细晶铸造工艺过程中主要影响合金组织、性能的工艺参数进行分析，并建立了通过给定工艺参数来预测合金组织和性能的BP神经网络预测模型，利用神经网络技术建立了工艺参数到组织，再到性能的预报模型。网络模型的输入参数为影响合金性能的主要的工艺参数组成；而输出则为我们所关心的合金的力学性能。整个网络是采用多层前馈型网络结构，在传统BP算法的基础上，根据实际问题给予更新。 论文还考察了单晶高温合金制备过程中温度梯度和抽拉速度对组织、性能的影响，以及分析细晶铸造技术中浇注温度对组织、性能的影响。通过对网络进行训练和测试，网络模型运行稳定，其输出结果与实际测量值的误差不超过5％。同时利用网络预测的结果对工艺参数变化引起的组织、性能变化进行曲线拟合，找到其中的变化规律，并对高温合金制备工艺过程的参数控制进行优化，为进一步研究高温合金制备参数—组织—性能之间的关系提供了新的方法。 此性能预测网络模型的建立，对于新材料，新工艺的开发有积极的意义，为进一步实验研究奠定了基础。