1.一种人工神经网络钢的淬透性预测模型建立方法，其特征在于，包括以下步骤：Stp1、对试样进行淬透性测试

采用端淬实验对n个不同的试样分别进行淬透性测试，分别得到其淬透性值；

Stp2、数据库的建立

将每个试样的化学成份及通过端淬实验得到的淬透性值均输入到计算机中，形成数据库，将数据库中的数据分为训练集和测试集两部分；

Stp3、神经网络模型的建立及初始设置

建立一个三层的神经网络，包括有输入层，隐层和输出层，设定输入层、隐层和输出层神经元个数，设定主程序循环记数变量i＝1，并设置神经网络模型的参数；

Stp4、神经网络模型训练

将训练集数据输入神经网络模型进行训练，训练完成后，主程序循环记数变量i＝i+1；

Stp5、测试集仿真

将测试集中钢的成份输入到训练好的神经网络进行计算，计算完成后进行反归一化处理得到测试集的淬透性预测值输出矩阵 其中l为测试集中的样本值个数，yi,1，yi,2，.....yi,k(i＝1,2,…l)为测试集中第i个试样的淬透性预测值；

Stp6、求解相对误差矩阵

求解测试集的淬透性值模型预测值与其真值的相对误差矩阵R，并找出相对误差矩阵R的最大值Rmax；

Stp7、检查相对误差矩阵的最大值Rmax是否小于允许的最大误差δmax，如果“是”则程序结束，保存模型；如果“否”则继续执行Stp8；

Stp8、如果此时循环变量i<1000，则执行步骤Stp10，如果不是，执行Stp9；

Stp9、隐层神经元个数+1，重新设置循环控制变量i＝1，程序转到Stp10；

Stp10、重设权重和偏置，转到Stp4重新训练神经网络模型。

2.根据权利要求1所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp2中数据库中90％的数据用于训练神经网络模型，10％的数据用于检验神经网络模型。

3.根据权利要求1所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp3中神经网络模型的输入是钢的化学成份，输入层神经元的个数等于选择输入的化学成份数量；神经网络模型的输出是淬透性值，输出层神经元个数与端淬实验淬透性值测试点的数量相同。

4.根据权利要求3所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp3中神经网络模型隐层神经元的初始个数S采用如下公式进行确定：式中：m为输入层神经元个数；k为输出层神经元个数。

5.根据权利要求1‑4中任一项所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp3中选择S型正切函数tansig作为隐层神经元的激励函数，选取S型对数函数作为输出层神经元的激励函数，网络训练函数为traingdx，网络性能函数为mse。

6.根据权利要求1‑4中任一项所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp3中神经网络模型的权值和偏置均由计算机随机给出，神经网络模型的网络迭代次数epochs为5000次，期望误差goal为0.00000001，学习速率lr为0.01。

7.根据权利要求1‑4中任一项所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：将训练集用于训练神经网格模型前，对其进行归一化处理。

8.根据权利要求1‑4中任一项所述的一种人工神经网络钢的淬透性预测模型建立方法，其特征在于：所述Stp6中测试集的淬透性值的真值矩阵为 其中ai,1，ai,2，.....ai,k(i＝1,2,…l)为测试集中第i个试样的淬透性值实验值，所述相对误差矩阵为：

9.根据权利要求1所述的一种人工神经网络钢的淬透性预测方法，其特征在于：权利要求1中神经网络训练完成后，将钢的化学成份输入保存下来的神经网络中即可得到其淬透性预测数据。