传统的焊接工艺评定方法具有成本高,效率低等缺点,对人员、材料及设备也都提出了较高要求。随着计算机辅助技术的发展,越来越多的计算机技术被应用到焊接方向,焊接接头力学性能模拟和预测越来越受到关注。本文对神经元网络在焊接接头力学性能预测上的应用做了探索,实现了利用人工神经元网络模型对多种焊接接头力学性能的预测。首先,本文在深入研究神经网络算法的基础上,确定母材和焊材化学成分、焊接工艺参数、焊前焊后热处理工艺参数为神经网络为输入参数,焊接接头的力学性能为输出参数,并搭建了神经网络模型的框架,输入层和隐含层采用双曲正切函数为映射函数,隐含层和输出层采用线性映射函数。除了利用误差计算来评估模型精确度,还应用对数预测误差方法评估模型的精确度。同时采用样本分组的方法解决模型过拟合问题,使用模型组合、降维等方式提高模型的预测精度。其次,利用可视化界面编程技术和数据库技术实现了焊接接头力学性能预测平台。人工神经网络预测平台的界面系统,包括人工神经网络模型训练系统和人工神经网络模型预测系统。其中模型训练系统能够自动处理样本文件,智能化网络参数设置过程,简化模型训练组合过程,使普通的焊接工艺人员也可以进行人工神经网络模型的训练;预测系统能够方便的进行对模型的管理和维护,简化预测数据的输入,管理保存预测结果。再次,在收集和整理大量实验数据的基础上,建立了多种焊接方法的焊接工艺评定样本数据库。同时针对典型钢种Q345进行了焊接接头力学性能实验,将焊接电流、焊接电压、预热温度和热处理温度等作为主要参数,得到了80组手工电弧焊Q345的实验数据。通过不断训练,确定了合适的输入参数,建立了针对钢材多种焊接方法的接头力学性能预测模型,其中焊接方法包括手工电弧焊,埋弧焊和CO₂气体保护焊等等。模型基于实际数据建造,并考虑了钢材的成分、焊接规范参数等的影响,比以往参照焊接热模拟实验结果建立的焊接接头神经元网络模型的实用性有很大提高。最后,利用实验和理论经验知识验证了训练模型,分析了部分输入参数对力学性能的影响,得出建立的所有模型精确度都在接受的范围内,可以应用于实际。从而也证明本文设计的模型训练系统具有较高的训练精度和使用性能。