长期以来,材料研究采用的是依赖大量实验,进行大面积筛选的方法,要消耗大量人力、物质资源和时间。由于大量尚未理论化的经验和实验规律的存在,在相当一段时间内还不可能完全脱离经验和不进行探索性试验来进行材料设计。将先进的计算机技术应用与现代材料设计,可以摆脱实验先行的研究方法,将较少的实验取得较为理想的材料,达到事半功倍的效果。人工神经网络是80 年代末开始迅速发展的一门非线性科学。它可以从大量的、冗杂的数据中提取出数据之间的、相互的非线性关系,从而较好的处理一些以前难以处理的问题。钢铁材料热处理过程中的淬透性和Ms 点这两个性能参数受影响的因素较多,以前所给出的一些经验公式并不能完全反映真实的情况,存在着较大的误差。而将人工神经网络技术应用于对淬透性和Ms 点的预测就能较好的解决这个问题,而且预测的结果较好,精度高。本文首先研究了BP 网络的结构设计和计算方法。在训练过程中,为加快网络学习速率和避免网络剧烈震荡,采用附加动量项和变步长的方法,对BP算法进行改进。本研究在实验数据的基础上,采用反向传播算法(BP 算法)分别对淬透性曲线、Ms 点进行分析和预测。计算表明,网络预测值与实测值之间具有很高的相关性和精确性。