钢的化学成分是影响热轧材最终组织性能的基本因素,合理的成分设计是生产优良钢铁产品的基础,因此探讨合金成分与钢铁产品的力学性能的关系,分析不同合金成分对不同性能指标的影响程度并最终实现对热轧材性能的预报是当前研究的热点课题。本文采用的性能预报就是通过已知的合金成分对最终的性能进行预测。实践证明采用性能预报的方法预报钢的最终力学性能在很多方面优于传统的人工取样检验,可以减少性能检测时间,缩短生产周期,保持热轧板性能的稳定,促进新产品的开发等。本文分别采用逐步回归技术和人工神经网络两种方法对武钢热轧低合金高强度钢的力学性能进行预报。预报数据为武钢热轧低合金高强度钢Q345A、Q345B、S355和S275生产现场实测数据,两种方法都是通过研究这几种钢中的合金成分与最终力学性能如屈服强度、抗拉强度、延伸率及冲击功的关系并分别建立逐步回归方程式和人工神经网络模型。通过统计分析逐步回归方程中的合金元素,得到影响产品最终性能的主要合金元素为碳、锰、硅、磷、硫、钛、铌等元素。人工神经网络模型为具有一个隐层的三层BP网络,输入参数为各种合金成分,输出为各力学性能。选择参数的前提是假设在确定的轧制工艺参数下,生产工艺控制精度较高。两种方法建立的预报模型,其精度均达到了较高的水平,能满足实际生产的应用。本文还采用已建立的神经网络模型对影响最终性能的主要合金元素进行研究,主要是通过改变各个合金成分的含量来研究每一个合金对最终产品力学性能的影响程度,从而为合金成分优化提供了一种途径。