近年来,镁及镁合金的发展和应用非常迅速,尤其是镁合金制备和处理工艺的进展大大推动了其在汽车、电子通讯及航天航空工业的应用。但是镁合金仍存在许多问题,比如镁合金熔炼难、强度低、高温性能不好、耐腐蚀性能较差以及室温塑性不佳等等,这些问题严重制约着镁合金的大规律工业化应用。本文广泛收集了镁合金化学成分、处理工艺及力学性能等方面数据,并对数据进行科学的整理和分析,采用神经网络技术建立镁合金化学成分、处理工艺及力学性能之间的定量关系模型,模型的输入包括镁合金的主要合金元素含量,铸造或变形处理工艺,热处理的温度和时间,以及测试温度;模型的输出为三个力学性能指标,即抗拉强度、屈服强度和延伸率。最后利用模型对镁合金化学成分、处理工艺及力学性能之间的关系规律进行较为系统深入的研究。论文首先从数据的预处理方式、中间隐层结构、学习算法和学习参数四个方面探索镁合金神经网络模型的最佳选择。结果表明,上述四个因素均会影响模型的收敛,其中学习算法的影响最为显著,而学习参数的影响较小。采用LM 算法能得到比其余5 种算法更佳的效果。镁合金抗拉强度、屈服强度和延伸率的数据预处理方式分别为[0.1,0.8]、[0.01,0.99]和[0.01,0.99],中间隐层结构为单隐层,且单元数分别为10、11 和12 时,能取得最佳效果。论文其次应用最佳模型预测了AZ61B 及Mg-Zn-Zr-Y 变形镁合金的室温力学性能。预测结果与实验值大多吻合得很好,其中抗拉强度和屈服强度的效果尤佳,抗拉强度的最大相对误差不超过6.5%,屈服强度的不超过16%,但延伸率的效果较差,特别是对合金的突然脆化反应迟钝。此外,还对Mg-Al-Zn 合金的铸态室温力学性能进行预测,预测结果在可接受范围之内,预测的变化趋势可从显微组织分析得到印证。论文最后一部分重点对模型的应用进行了深入研究,主要有以下三个方面: ①研究了不同Zn、Zr 和Y 含量对Mg-Zn-Zr-Y 变形合金力学性能的影响,结果表明,Zn 含量的增加有利于合金抗拉强度、屈服强度的提高,但使合金延伸率降低,该变化趋势跟文献结果研究基本一致;而Zr 含量不宜过高,与Zr 含量为0.15%、0.35%和0.55%的合金相比,Zr 含量为0.75%的合金有更低的抗拉强度、屈服强度及延伸率。②研究了不同Al、Zn 含量对Mg-Al-Zn-Mn 铸态室温力学性能的影响。结果表明,随Al 含量的增加,合金的抗拉强度先增加后减小,当Al 含量为3.0%左右达到最大值,之后抗拉强度缓慢降低,延伸率表现出大致相同的规律,但是屈服