摘要：用人工神经网络方法对高合金高强高韧钢的性能优化问题进行了研究．并结合模拟退火算法对ＢＰ算法进行了改进，使得网络结构的选取、动量项系数α及学习率η的确定更加合理，提高了网络的学习效率，改善了预测精度．研究结果可用于高强高韧钢的成分设计及热处理工艺的优化．

摘要：在实验数据的基础上 ,利用人工神经网络建立高Co -Ni二次硬化钢的力学性能与合金成分及热处理温度对应关系的模型。提出将五个材料力学性能指标及部分合金成分作为网络的输入 ,其它合金成分和热处理温度作为网络的输出 ,根据要求的力学性能设计材料的合金成分含量及热处理条件 ,获得了满意的结果 。

摘要：在实验数据的基础上，利用人工神经网络建立高Ｃｏ－ Ｎｉ 二次硬化钢的力学性能与合金成分及热处理温度对应关系的模型． 首次提出将五个材料力学性能指标及部分合金成分作为网络的输入，其它合金成分和热处理温度作为网络的输出，根据要求的力学性能设计材料的合金成分含量及热处理条件，获得了满意的结果，为高性能材料设计提供了一定的理论辅助手段．

摘要：根据固体与分子经验电子理论 ,计算了 1 7组新型高强韧钢的实验数据所对应的结构形成因子S值 ,用其中 1 2组数据 ,建立了结构形成因子S与抗拉强度关系的经验公式 ,应用其余 5组数据进行检验 ,结果与实验数据基本吻合 ,其最大误差为 5 6% ·

摘要：提出一种利用残缺实验数据建立无钴高强韧钢力学性能与钢的合金成分及热处理条件关系模型的方法 ,依据该方法建立了人工神经网络模型 ,并应用遗传算法对无钴高强韧钢进行了优化设计 .实践表明所提出的方法是有效的 ,为研制新材料开辟了一条新途径 .