随着工业技术的不断发展,对工业材料的要求也日益提高。低碳贝氏体钢作为二十一世纪的新钢种,它是近20年来所研制的一类高强度、高韧性,具有优良的焊接性能、高的耐磨性能和高的抗疲劳性能的新钢系,其优良的综合性能使低碳钢在各大领域都有广泛应用。由于微观组织对钢材的性能有决定性的作用,因此要想获得高性能的材料,就必须了解其微观组织的演变规律,而微观组织的演变大多是通过变形工艺来实现的,例如热机械控制工艺等。因此建立变形工艺参数同微观组织之间的变化规律的模型是十分必要的。本课题针对低碳贝氏体钢,研究其变形工艺参数对微观组织的影响,并建立了贝氏体组织预报的神经网络模型。本文设计的热机械控制工艺主要是控轧控冷和回火处理。在实验轧机上对低碳贝氏体钢进行轧制试验,经过8道次连续轧制,终轧温度为850℃。变形后分别采用水冷、油冷以及空冷冷却,通过控制变形量和冷却速度充分细化组织。试样冷却后,进行回火处理,以消除内应力和提高组织的稳定性。回火温度分别为室温、400℃、500℃和600℃。利用金相分析技术对变形处理后的低碳钢进行组织观察和分析,研究变形工艺参数对微观组织的影响规律；结合试验数据和神经网络知识,建立了以变形工艺参数为输入,微观组织为输出的低碳钢贝氏体组织预测的神经网络模型,并通过实验数据对模型进行学习训练和检验。得出以下结论：(1)通过对低碳钢的控制轧制和控制冷却以及回火处理,对比分析处理后的试样微观组织,可以看出冷却速度对微观组织的影响比较大,而终冷温度和回火温度对微观组织的影响相对较小；(2)冷却速度对微观组织影响的规律：轧后水冷,微观组织主要是板条状贝氏体组织；轧后油冷,微观组织主要是板条状贝氏体、粒状贝氏体和铁素体的复合组织；轧后空冷时,微观组织主要是粒状贝氏体和铁素体的复合组织。(3)为了提高网络模型的精度,本文提出用遗传算法来修正网络的权值和阈值,进一步优化网络的结构,试验证明此方法试可行的而且取得了比较好的效果。(4)以影响微观组织的主要因素冷却速度、终冷温度和回火温度为网络的输入,贝氏体晶粒尺寸为输出建立的3×1×1三层BP网络模型,经过学习训练后对检验样本进行预测,预测精度在允许误差10%以内,绝大多数误差在5%左右,由此看来,预测模型的精度是比较高的。