微机电系统(micro-electro-mechanical system,简称“MEMS”)是指集执行器和传感器等微型装置、微型机构、微型尺度驱动、控制与处理集成电路为一体的微型系统。作为一个新型的多学科交叉领域,它集约了当今科学技术的许多尖端成果,更重要的是它将信息处理与敏感及执行机构相结合,改变了人们感知和控制外部世界的方式,因此近年来MEMS受到了许多学者和企业的关注,也得到了突飞猛进的发展,随着其工艺的逐步提高和完善,它的应用范围越来越广,这就使得人们对MEMS的可靠性给予了更高的要求,因此关于MEMS可靠性的研究也就显得尤为重要。反向传播网络(Back-propagation Network,简称“BP网络”)是一个多层前向型网络,它利用误差反向传播算法对网络进行训练,它包含了神经网络理论中最为精华的部分。由于其结构简单且可塑性强,故被广泛应用于信息分类、模式识别、函数逼近、数据拟合及预测等很多方面。但是,BP网络具有收敛速度慢、容易陷入局部极小值点等缺点,所以本文对BP神经网络算法进行了改进,采用了更加优化有效的弹性BP算法,来保证网络稳定并且快速收敛。并在MATLAB7.0环境下,先利用多尺度小波变换算法对实验所得的微悬臂梁加载力和挠度的原始数据进行了消噪预处理,接着建立了微悬臂梁加载力与挠度关系的BP神经网络模型,拟合和分析了微悬臂梁的加载力与挠度关系,并预测了不同参数下的微悬臂梁加载力与挠度的关系。实验结果表明:在相同的加载力作用下微悬臂梁的挠度随其梁长的增长而增大、随其梁宽的增宽而减小、随其梁数的增多而减小;且当挠度较小时加载力与挠度呈线性关系。与理论结果相比较,发现实验拟合结果与理论计算结果是一致的。同时BP神经网络也较好的预测出了不同参数下的微悬臂梁加载力与挠度的关系,预测效果(预测值与实际值的相关系数)平均都达到了0.997以上。实验结果充分肯定了BP神经网络在研究微悬臂梁加载力与挠度关系中的适用性。由于在相同加载力下挠度越大悬臂梁断裂的可能性就越大,反之挠度越小悬臂梁断裂的可能性就越小,因此,通过实验结果我们可以得到,微悬臂梁的可靠性会随梁长的增长而降低、会随梁宽的增宽而增高、会随梁数的增多而增高,这些对今后设计微悬臂梁器件是非常有用的。最后本文应用数学模型法对多晶硅(100)微悬臂梁在轴向拉伸受力和垂直加载受力两种不同受力情况下的断裂失效可靠性进行了分析研究,并把微悬臂梁的梁数对其可靠性的影响考虑进去,在原有模型的基础上得到了其在垂直静态外加载力下新的断裂失效可靠性预测模型。通过模型我们可以得到在相同垂直加载力下,微悬臂梁的失效概率随其梁长的增长而增大、梁宽的增宽而减少、梁数的增多而减少,即微悬臂梁的可靠性随其梁长的增长而降低、梁宽的增宽而增高、梁数的增多而增高。这与前面依靠微悬臂梁加载力与挠度关系得出的结论是一致的,再一次肯定了利用神经网络研究微悬臂梁可靠性的适用性。