21世纪以来,各种新材料不断涌现,种类繁多,造成了信息冗杂的同时,众多的材料也不易管理和检索。为了应对此问题,必须选取适当的选材方法,选材方法按时间分类大体可以划分为传统,半经验,现代选材三种方式。当前各行业内部大部分仍然使用传统选材或半经验选材方式,设计人员依据自身实践经验及大量的试验才能确定所需材料,此类选材方法需要大量人力与物力,同时对从业人员在材料方面的知识水平有较高要求。随着计算机技术的发展,在长期传统选材积累的实践经验基础上,结合具有强大存储能力与高效查询处理能力的数据库技术,现代选材方法应运而生,其主要结合了数据库,人工智能相关技术以及先进的价值工程法,综合评价法等。在进行材料选择的过程中,融入数据库技术和人工智能技术,结合特定选材算法并设定相应的选材评价标准,简化选材过程,可以降低选材过程对人工经验依赖,并提高选材效率,从而给相关从业人员带来极大的帮助,有效降低企业成本。具体而言,本文实现了一种基于材料数据库的智能选材系统,主要研究内容有以下几点:（1）从传统选材方法存在的问题出发,分析了国内外选材方面的研究进展及发展现状。根据实际需要,设定对应的材料数据存储格式并建立材料数据库,收集相关材料信息,提供材料信息查询,添加,删除等自定义功能,作为智能选材系统的支撑。（2）以新能源汽车中轴类零件作为研究对象,为了方便研究,具体到电机驱动轴。在材料数据库的基础上辅以BP神经网络算法和专家系统两种方式来设计智能选材推荐系统,根据相应的条件输入,为相关从业人员在设计过程中推荐符合条件的材料。（3）利用CAE辅助设计来验证材料的可用性及为后续材料评价提供参考。经过智能选材推理模块获取初步材料集后,更新有限元模型材料数据,自动调用CAE软件来进行计算,生成对应的计算结果,验证材料性能,方便后续材料评价。（4）建立相应的材料评价体系。在利用CAE软件获取不同材料模型的计算结果后,结合CAE仿真结果,利用层次分析法,由专家从功能性,经济性,工艺性和环保性四个方面来对材料进行评估,从而获取最终的推荐结果。