孪生诱发塑性(Twinning Induced Plasticity,TWIP)钢兼具高强度高塑性等优异的综合力学性能,在汽车行业具有广阔的应用前景。近年来,国内外对于TWIP钢的研究取得一定的成就,但如何选定热处理工艺参数来提高TWIP钢的强塑积仍是需要解决的问题。本文采用神经网络与遗传算法对Fe-Mn-C-Al TWIP钢热处理工艺参数进行模拟与优化,以及变形过程中组织变化进行研究,为TWIP钢的实际应用提供参考。首先,以退火温度、保温时间以及冷却方式3个热处理工艺参数为因素,通过正交试验设计TWIP钢热处理试验方案,并获得其力学性能。以试验数据为基础,构建BP神经网络模型,描述3个热处理工艺参数与TWIP钢强塑积之间的非线性关系。采用遗传算法,对TWIP钢热处理工艺参数进行优化。结果表明,构建的BP神经网络能够较好描述工艺参数与强塑积之间的关系。通过遗传算法全局寻优,得到最优热处理工艺参数为退火温度863℃C、保温时间26min以及冷却方式为炉冷,其强塑积与网络预测得到的结果偏差较小。然后,利用BP神经网络研究热处理工艺参数对强塑积的影响。结果表明,随退火温度的提高与保温时间的延长,TWIP钢强塑积都呈现出先增大到峰值然后减小的变化趋势,而冷却方式为炉冷时,TWIP钢的强塑积要优于其他3种冷却方式。最后,对最优强塑积TWIP钢试样的力学性能与微观组织进行研究。结果表明,TWIP钢在拉伸变形时,维持稳定的奥氏体组织,未发生马氏体相变。弹性变形阶段属于连续屈服,抗拉强度与延伸率分别达到845MPa、73%。随着变形程度的加剧,晶粒中形变孪晶密度不断增加以及相互交叉的“二次孪晶”的出现,使加工硬化率下降速率得到减缓,并逐步升高至最大值,从而使TWIP钢展现出较强的加工硬化能力。同时,工艺参数优化后TWIP钢的断口形貌与原始样相比,其韧窝数量较多、尺寸较大且较深,从而具有良好的塑性。