碳化硅颗粒增强铝基复合材料(SiCp/Al)具有高比刚度、高比强度、高比模量、耐高温等优良特点而倍受研究者关注，但前人的研究结果具有离散性，无法形成系统的定量与定性分析。BP神经网络因其能够对非线性系统进行训练和预测达到优化非线性系统的目的而被广泛地应用，但利用BP网络对SiCp/Al复合材料力学性能的研究还是凤毛麟角。本文利用粉末冶金法制备了SiCp/Al复合材料，并利用BP神经网络预测不同粒径及不同含量SiCp/Al的力学性能值，从而使研究结果更系统。主要内容如下：　　 ⑴洛氏法测试硬度结果显示绝大多数坯料比较匀称，说明本文选择的1/2-2/3h的混料时间比较可取。　　 ⑵通过研究复合材料的抗拉强度、抗压强度及抗弯强度，着重讨论了增强相粒径与含量对SiCp/Al复合材料力学性能的影响。增强相粒径不变，随着增强相含量的增加，SiCp/Al复合材料的力学性能呈非线性的递减变化；增强相含量不变，SiCp/Al复合材料的力学性能随着增强相粒径的增加呈非线性的不规则变化；增强相含量较低时复合材料的力学性能总是大于增强相含量较高时复合材料的力学性能。SiCp/Al复合材料的力学性能在增强相粒径为7μm、含量为15％时较理想。　　 ⑶BP网络训练值与实验值非常接近，说明用于预测的网络是稳定的、可行的。预测结果显示的变化趋势与实验结果显示的变化趋势吻合较好。　　 ⑷训练样本(实验值)的数量及分布对训练结果及预测结果有很大的影响，对于训练样本端点以内的预测结果是可信的，而对于训练样本端点以外的预测结果是不可靠的。可以通过增加训练样本的数量及改变样本的分布来改善预测结果。　　 利用BP网络研究SiCp/Al复合材料的力学性能开辟了该领域研究的新思路、新方法。该方法对科学研究具有指导意义，避免了研究过程中通过实验寻找参数的慢长探索过程；同时又对生产具有借鉴作用，即根据产品性能需求，可直接在参数数据库中查阅对应的粒径与含量配比即可生产，从而加快了生产周期、提高了生产效益。