无间隙原子钢(IF钢)凭借其优异的材料力学性能现已被广泛地用作汽车钢板。既然材料的微观组织是决定材料力学性能的直接因素,因此通过材料的微观组织利用适当的模型来预测IF钢的力学性能,对钢种的开发和设计具有重大的意义。为建立IF钢微观组织与力学性能之间关系的模型,本文首先以IF钢定量的微观组织作为预测模型的输入变量,并采用基于互信息的特征选择方法来分析输入变量与输出变量(IF钢力学性能)之间的相关性,为预测IF钢力学性能模型选择合理的输入变量,通过仿真可知:IF钢屈服强度与铁素体晶粒尺寸、铁素体晶粒形状因子、第二相粒子尺寸、第二相粒子平均间距相关,因此选择这四个参数作为屈服强度预测模型的输入变量;IF钢抗拉强度仅与铁素体晶粒尺寸相关,因此选择铁素体晶粒尺寸作为抗拉强度预测模型的输入变量;IF钢延伸率与铁素体晶粒尺寸、分布均匀程度,第二相粒子尺寸、平均间距均相关,因此选择这四个参数作为延伸率预测模型的输入变量;IF钢r值与织构{111}<112>、{111}<110>、{001}<110>、{112}<110>、{554}<225>及铁素体晶粒尺寸相关性最大,因此选择这六个参数作为r值预测模型的输入变量;而IF钢n值与铁素体晶粒尺寸有关,因此选择择铁素体晶粒尺寸作为n值预测模型的输入变量。在确定了系统的输入变量的基础上,利用减法聚类法实现自适应神经模糊推理系统(ANFIS)的结构识别,并采用混合学习算法训练该自适应神经模糊推理系统;最后分别利用ANFIS网络、BP网络建立了IF钢微观组织结构与力学性能之间关系的预测模型,并对所建模型进行仿真验证。仿真结果表明基于ANFIS网络的预报模型在收敛速度及建模精度方面均优于传统的BP神经网络。