企业在市场激烈竞争中获胜的关键因素是技术产品的创新,只有善于创新的企业才能在市场中生存。创新不仅能够为企业提供超额利润,也能为国家经济建设提供持续强力的支撑。物理矛盾解决原理是发明问题解决理论TRIZ中用于解决创新发明问题的重要工具之一。然而应用物理矛盾解决原理解决比较复杂的问题时,所得出的推荐使用发明原理较多,研究人员仍然需要大量的精力对推荐结果一一分析,因此,本文通过构建神经网络模型将传统的物理矛盾解决方法进行整合改进,并通过案例加以训练,最终得出解决物理矛盾的神经网络模型。本文以解决物理矛盾为出发点,以分离原理法、矛盾矩阵法和神经网络原理为理论基础,以构建和训练神经网络为方法,优化改进传统的物理矛盾解决方法。同时,通过调试神经网络确定隐含层神经元个数最优的BP神经网络模型。本文突破了传统的物理矛盾解决思维,将4种分离原理与48个通用工程参数结合为神经网络模型输入,将40条发明原理作为模型输出,通过构建、训练以及调试得出BP神经网络物理矛盾解决模型。本文通过梳理BP神经网络物理矛盾解决模型的应用流程,使得该方法的应用更为完善便捷。本文的研究成果是BP神经网络物理矛盾解决模型及其应用流程,借此将智能算法与TRIZ的物理矛盾工具结合,使得物理矛盾的解决更为便捷,为创新活动提供了有力的模型工具,可以有效地加快创新活动的进行,达到解决创新问题的目的。