热加工过程中的微观组织演变的计算机模拟与力学性能的研究是近年来本学科研究领域的热点之一。神经网络作为新兴工具,在热加工过程中引起了研究热潮。本文就是运用神经网络工作原理,结合武钢热轧WL510钢种的生产工艺,建立BP网络映射模型,对热轧产品的性能进行了预报。在参考了大量国内外研究者及课题组其他成员研究成果的基础上,并结合研究结果精度,选取了对产品性能影响最紧密的工艺参数组合作为网络输入量,编写了网络预测程序。程序输入量选择为:加热时间、粗轧温度、精轧开始温度、精轧终了温度、卷取温度、精轧机组压下量、精轧出口速度,输出量选择为产品最终机械性能(屈服强度、抗拉强度、延伸率)。利用训练好网络模型,研究工艺参数变化对产品性能影响情况及变化规律,并对工艺参数进行优化。研究结果表明,利用神经网络预报钢材的力学性能可以得到较高的精度,并可进一步研究用于在线控制。