镁合金以其重量轻和易回收的特点而被认为是下一代“传统材料”的有力竞争者。然而其较低的屈服强度以及较差的室温成形性能极大的限制了它的应用。在一定程度上，材料的组织结构决定产品的性能，预测热变形过程中工件内部微观组织结构变化对于镁合金零件热变形工艺设计和产品质量控制具有特别重要的意义。　　因此，为了解决这个难题，本文着重研究AZ31B变形镁合金热变参数与微观组织结构尤其是晶粒度的关系，采用人工神经网络对晶粒度进行预测，获得该实验条件下热压缩和热挤压最优的变形条件，进而为常温高塑性镁合金薄板的生产提供基础性的指导。　　本论文从AZ31B镁合金压缩实验及挤压实验两种热变形方式下变形参数与晶粒度关系进行研究，通过改变变形条件来控制镁合金微观组织结构(晶粒尺寸)，从而实现提高镁合金室温综合性能的目的。利用金相显微镜分析和室温力学性能测试等手段研究了变形条件对AZ31B镁合金组织、性能的影响，并采用BP人工神经网络对挤压条件下的晶粒度进行预测。　　研究结果表明：热压缩和热挤压能够显著细化AZ31B镁合金组织，提高室温塑性能力，增加屈服强度和硬度，符合“霍尔-佩奇”关系；同时，建立的人工神经网络模型能够精确预测热挤压条件下变形参数与晶粒度的关系，获得了该实验条件下AZ31B镁合金压缩实验和热挤压实验的最佳工艺。