本文针对实际生产过程中,焊接工艺评定要做大量的工艺评定试验,提出了利用人工神经网络和遗传算法来对焊接接头力学性能预测的方法来改进焊接工艺评定。在取得了实际工艺评定试验数据的基础上,对低合金高强钢埋弧焊、气体保护焊和钨极氩弧焊等焊接方法,利用神经网络建立了以母材化学成分、填充金属化学成分、焊接规范参数和焊后热处理参数等作为输入参数的焊接接头力学性能神经网络预测模型。建立的模型分别对极限抗拉强度、屈服强度、延伸率和断面收缩率等力学性能指标进行了预测。本文还综合运用遗传算法(Genetic Algorithm)来优化BP神经网络连接权的方法,对模型预测性能进行了有效地改进,提高了神经网络模型的预测精度和泛化能力。对模型性能的分析表明,焊接接头力学性能预测模型的预测规律符合已有研究结论,预测误差小于5%。随着样本数据的不断充实,样本覆盖空间的不断扩大,力学性能预测模型的应用范围将不断扩大,其实际应用价值也必将越来越高。本文进一步运用数据库技术和专家系统技术,开发了基于客户机/服务器(Client/Server)的多标准焊接工艺评定管理系统。该系统具有可以被多个用户以不同权限同时共享数据资源,知识库的创建参考了美国机械工程师学会标准(ASME IX)、美国焊接学会标准(AWS D1.1)、美国石油学会标准(API)、桥梁焊接规范和英国-欧洲标准(BS-EN)等5个通用的行业标准;利用数据库管理系统的安全保护机制和自身用户管理模块实现了数据的安全管理。