材料的断裂韧性是在役承压设备安全评估、寿命预测以及对缺陷风险评估时非常重要的参考指标。常规力学性能试验由于试样较大,无法对在役设备进行测试。小冲杆试验消耗试样材料少,可以从在役设备的表面取样,取样后不需要对凹坑进行修复,并且从载荷-位移曲线中可以得到多种材料力学性能参数,弥补了常规力学性能试验的不足。本文研究了一种处理载荷-位移曲线的新方法——反向有限元法。反向有限元法首先通过有限元数值模拟构造了一个包含各种材料参数组合及其对应载荷-位移曲线的数据库,然后用人工神经网络从数据库中选出与试验曲线相匹配的参数组合,最后用得到的参数组合进行单轴拉伸试验和断裂韧性试验的有限元数值模拟,从数值模拟结果中提取出材料的屈服强度、抗拉强度、断后伸长率、断面收缩率以及断裂韧性参数JIC。与传统的经验关联法相比,反向有限元法具有一定的理论基础,不需要做大量的小冲杆试验和常规力学试验来构造经验关联式,具有高效和准确的优点。同时,本文以A106钢为例,用反向有限元法成功地得到了其力学性能参数,其中屈服强度的误差为6.3%,抗拉强度的误差为1.1%,断裂韧性参数JIC的误差为23.4%。另外,本文首次研究了小冲杆试验过程中接触压力的分布规律,提出了用中心开孔试样测量小冲杆试验摩擦系数的方法；本文首次提出了试样中心厚度-位移曲线的概念,并用其确定小冲杆试验的启裂位移。