神经网络由于其独特的类似于人脑的学习和识别能力,在社会生活的许多领域（如工业、科学研究、医学、商业等几个大类）得到了广泛的应用。主要集中应用在利用神经网络进行识别模式和预测上。
国内神经网络应用现状：国内哈尔滨工业大学、清华大学等研究单位在焊接领域进行过神经网络技术的研究工作。哈尔滨工业大学的魏艳红等人利用人工神经网络技术建立了钢材和钛及钛合金的焊接接头力学性能预测系统和铝合金焊接接头热裂纹预测系统[1]-[3],清华大学的彭金宁等人利用BP网络建立了焊条电弧焊和埋弧焊的焊接电流、电弧电压、热输入等参数的6种焊接规范设计网络[4]。张忠典等人应用人工神经网络法估测点焊接头力学性能[5]。董俊慧等利用模糊神经网络技术建立了TC4钛合金TIG焊接接头力学性能预测模型[6，7]。7068
国外TWI和不少焊接研究机构都在将神经网络技术引入到焊接工程方面开展过研究。其中英国剑桥大学的Harry Bhadeshia教授等人针对合金钢、不锈钢和镍基合金利用神经网络进行了研究,并建立了这些材料与焊接接头力学性能之间的神经网络预测模型[8]。Samantaray A K等针对脉冲熔化极气体保护焊(PMIG)建立了反映焊接速度、脉冲频率等工艺参数与焊接接头最大抗拉强度之间映射关系的反向传播(Be)网络模型[9]。Tiedra P D等利用BP网络建立了304奥氏体不锈钢点焊质量预测模型[10]。美国NA Technologies公司利用神经网络为美国海军和福特公司提供了焊接工程的技术支持。但是他们多是单纯地利用神经网络做研究并没有涉及到算法结合的问题。BP网络是前向神经网络的核心部分，它体现了神经网络中最精华、最完美的内容，但仍存在一些缺陷和不足[13]。BP算法可使权值收敛到某个值，但是并不能保证其为误差平面的全局最小值[11]。那是因为采用梯度下降法可能会产生多个局部最小值。
神经网络模型的出现以及在一些领域的应用给予了人们极大地变利，并实现了一些以往人们无法实现的目标。近些年来神经网络等智能化方法被广泛应用在焊接接头力学性能的预测中，并且取得了较好的结果。目前，在焊条设计研究中，大都是以回归法或BP网络建立影响因子和性能指标间的关系模型。利用回归法需要事先假设因子与指标之间满足某种特定的关系，并在此前提下进行试验，但预先选择的数学模型未必合适，因此这种方法具有较大的局限性。BP网络具有很强的非线性处理能力，但BP网络用于函数逼近时，存在收敛速度慢和易陷于局部极值等缺点，导致预测结果存在局部较大偏差。
文中针对E4303和E5015碳钢焊条，在实际生产数据基础上，分别利用RBF、BP、GA-BP神经网络技术建立焊条熔敷金属力学性能预测模型，研究焊条原材料成分与焊条熔敷金属力学性能之间的映射关系。 遗传算法神经网络在预测应用的研究现状:http://www.youerw.com/yanjiu/lunwen_4830.html