大部分常用材料经超塑性预处理后均可获得很好的超塑性，这使得非常复杂的零件变得易于成形。但是，复杂的预处理工艺必然使制件的生产成本提高。因此，研究在没有预处理工艺的条件下如何实现材料的超塑性就显得很有必要。本文正是在此指导思想下开展了对保持器用铸态铅黄铜、铝青铜的超塑性能、超塑性条件以及它们之间非线性关系的研究。影响超塑性性能的因素很多,难以利用普通的建模方法描述各工艺参数与其性能之间的关系，相比之下,人工神经网络技术在复杂系统的建模方面有明显的优势。本文利用人工神经网络技术,对铅黄铜、铝青铜超塑性工艺过程中主要影响合金性能的工艺参数进行分析,建立了各自的通过给定工艺参数来预测合金超塑性性能的BP神经网络预测模型,网络模型的输入参数为影响合金超塑性性能的主要工艺参数─拉伸温度和初始应变速率，而输出则为我们所关心的合金的超塑性性能─延伸率和流变应力。整个网络模型是采用多层前馈型网络结构,在传统BP算法的基础上,根据实际问题给予更新。论文还考察和分析了超塑性工艺过程中拉伸温度和初始应变速率对材料性能的影响。通过对网络模型进行训练和测试,网络模型运行稳定, 输出结果表明：神经网络模型预测值与试验结果吻合良好,其最大误差不超过10%，该模型能较好地满足工程应用的要求。本文还利用网络预测的结果对工艺参数变化引起的材料超塑性性能变化进行曲面拟合,找到其中的变化规律,并对材料超塑性工艺参数进行优化,为进一步研究材料超塑性工艺参数与性能之间的关系提供了新的方法。此外还设计了超塑性性能预测可视化软件。此超塑性性能预测网络模型的建立,为优化保持器用铜合金超塑性成形工艺参数提供理论和实验依据。