不锈钢作为通用型耐蚀材料具有的优越的性能已被广泛应用于各工业领域中。由于不锈钢生产的技术特性,使生产不锈钢带材时存在一些质量问题。本文根据某厂生产不锈钢板材时存在的性能问题,对304不锈钢冷轧和热处理工艺参数进行了较为系统的研究。本课题研究内容包括采用BP神经网络对304不锈钢性能的预测,以及退火工艺对304不锈钢材料性能的影响。结果表明:304不锈钢原始化学成分、冷轧工艺和热处理工艺参数都是影响材料综合性能的主要因素。基于BP理论建立网络模型,通过对网络结构的调整,权值和阀值的改进,误差反向学习性能的改善,建立低误差收敛精度、较快训练速度的最佳预测模型。在大量的学习样本基础上,结果表明该模型能够快速、准确、可靠地预测材料性能。将该模型应用于实践,能够很好的反映304不锈钢化学成分、冷轧和热处理工艺参数与其材料性能之间的关系,为指导生产有着重要的意义。以厚度为0.6mm冷轧304不锈钢进行退火试验,退火温度为1060℃、1080℃、1100℃,每一温度下退火时间分别为2min、5min、8min。通过对硬度、延伸率、屈服强度、抗拉强度、屈服比的测量,n,r的计算,以及金相组织的分析发现,退火工艺为1100℃,5min为最佳退火工艺。通过BP神经网络对304材料性能的预测,能够较准确的预报材料性能和全面的了解各参数对材料性能的影响。在退火试验研究范围内,结果表明得到了较好的拉伸性能和组织形态。通过上述的研究结果可知,基于BP网络模型能够很好的预测未知,为企业生产提供了较大帮助,真正实现产品的无检验交货打下了基础。通过304不锈钢的退火试验,获得了综合性能较高的热处理工艺参数,能够为生产提供一定的参考作用。