孪生诱发塑性（Twinning Induced Plasticity,TWIP）钢因强塑积高、抗冲撞能力好的特点为汽车制造业所关注。为推进TWIP钢的规模化应用,研究退火工艺对TWIP钢屈服强度及其成型能力的影响作用具有重要意义。本文利用神经网络对Fe-Mn-C-AlTWIP钢退火工艺参数和力学性能进行模拟表征,并分析二者间的映射关系;运用遗传算法对退火工艺进行优化;并研究工艺优化后TWIP钢的力学性能与金相组织。以退火温度、保温时间和冷却方式为研究对象,设计三因素四水平的TWIP钢热处理正交试验方案,再由拉伸试验获得试验钢的力学性能。基于TWIP钢的热处理与拉伸试验数据,利用BP神经网络表征其退火工艺与力学性能之间的非线性映射关系;分析冷却方式、退火温度和保温时间对屈服强度的影响。结果表明,冷却方式对屈服强度的影响受退火温度的制约,在退火温度较低时冷却方式的影响显著。屈服强度随退火温度的升高而降低,随保温时间的延长先降低再升高。产生上述现象的原因与冷轧后TWIP钢热处理时的回复、再结晶与晶粒长大的进程有关。通过BP神经网络构建TWIP钢屈塑积预测模型,借助遗传算法对试验钢的3个退火工艺参数以及力学性能指标进行全局寻优。结果表明,BP神经网络模型能够准确地反映TWIP钢退火工艺与力学性能指标之间的非线性关系。遗传算法寻优得到的最优退火工艺参数组合为退火温度768℃、保温时间35min和冷却方式炉冷。拉伸变形时,TWIP钢试样的弹性变形阶段极为短暂,没有明显的屈服平台,属于连续屈服。塑性变形阶段,工程应力-应变曲线上出现明显的A型和B型锯齿状波动;真应力随真应变增加几乎呈直线上升,表现出优异的塑性变形能力。同冷轧态相比,优化工艺处理的TWIP钢试样组织为再结晶充分的等轴奥氏体晶粒,晶粒的尺寸均匀性较好,且晶粒内部有数量较多的退火孪晶。拉伸断裂后,晶粒内细长、平行分布的形变孪晶组织明显。