为了预测镍基变形高温合金的持久强度,研究了一种利用人工神经网络预测的先进方法.基于对变形镍基高温合金在不同温度、时间条件下合金成分及其持久强度数据归一化处理后的反向传播神经网络模拟,得到了可以比较准确表达持久强度与合金成分、温度、时间之间复杂非线性关系的权值矩阵,由此可以对镍基合金在不同温度、时间条件下的持久强度进行预测.结果表明,用神经网络预测的持久强度与实验结果吻合良好,从而证实了该网络模型的准确性和适用性.通过神经网络、最优化方法和M<,d>相计算法相结合,提出了一种能限制有害相和合金密度,同时适用范围更广、可靠性更高、操作简单的合金设计优化方法.运用此方法优化出的合金比GH150在816℃、1000h时的预测持久强度提高了近16％,性价比提升了17％.基于系统最优化思想建立了用于计算两相镍基合金中γ相成分及其含量计算的最优化数学模型,通过对γ相含量的连续变化取值,可以优化出对应于γ相含量取某一具体值时γ相的成分.利用共格错配关系建立的辅助表达式,可以找到理论上的γ相含量,从而实现优化求解.依据此思想,用已知实验结果的27种合金加以验证,证实了该方法的可行性.