高聚物的流变性能对于正确设计模具、选择加工机械、确定加工工艺条件以及进行高聚物熔体充模、流动分析和模拟而言是不可缺少的物性参数。但是高聚物的流变性能受剪切速率、温度和压力等因素的影响较大,各因素之间呈复杂的非线性关系,很难用准确的流变方程来描述。而且高聚物的种类繁多,不同厂家生产的同一种高聚物也会因为其相对分子量分布不同而导致其流变性能差异甚大,这就给高聚物加工企业设计模具、确定加工工艺等造成不便。因此,准确测定高聚物材料在不同加工条件下的流变性能数据已成为急需解决的问题,而所有条件下的流变性能数据都用测量的方法得到是不切实际和没有必要的,有效的办法是仅通过几次有限的测试,就能够预测出一种高聚物的流变性能数据。随着人工神经网络等非线性科学技术在各行业中的广泛应用,其优越的性能为解决此问题提供了新的途径。作者在前人经验的基础上将人工神经网络与经典流变学理论相结合,选择了广泛用于解决函数逼近问题的BP神经网络模型来预测高聚物的流变性能,并采取了一些措施来改进BP网络的结构。在总结了建立神经网络的方法与原则后,结合VB软件和MATLAB软件的优点混合编程,开发了一套可以用于预测高聚物流变性能的集成应用软件。经实验验证,软件的预测效果比较满意,基本上可以用来指导工程应用和生产实践。