“trial-error”式材料制备方法是目前陶瓷模具材料设计与开发中常用的方法,需要研究者们做大量重复性的试验。因此,采用先进的智能技术进行陶瓷模具材料设计是极为必要的。本文提出应用计算智能技术进行陶瓷模具材料的优化设计及应用。　　 本文采用BP算法建立ZrO2/TiB2/Al2O3纳米复合陶瓷模具材料组分含量与力学性能之间的映射关系,实现了陶瓷模具材料组分和性能的正反向仿真预测,优化得到综合性能较好的陶瓷模具材料组分配比。　　 采用逐步回归的方法建立材料组分与单一力学性能之间的数学关系模型,在此基础上,进一步利用遗传算法进行单一力学性能的寻优,分别得到相对应的组分配比。优化后得到的纳米复合陶瓷模具材料的抗弯强度最佳值为649MPa,对应的添加相TiB2和Al2O3的体积百分含量分别为8.0vol％和7.1vol％；硬度的最佳值为10.36GPa,对应的添加相TiB2和Al2O3的体积百分含量分别为8.1vol％和6.8vol％:断裂韧性的最佳值为9.69MPa·m1/2,对应的添加相TiB2和Al2O3的体积百分含量分别为0和7.0vol％。进一步地利用多目标遗传算法建立了综合力学性能的优化模型,得到综合力学性能最佳时,添加相TiB2和Al2O3的体积百分含量分别为8.4％和7.3％。　　 采用两种BP神经网络和遗传算法的结合方法:一是采用遗传算法优化初始连接权值和阈值(BP-GA1):二是采用遗传算法同时优化BP神经网络的初始连接权值、阈值,及其拓扑结构(BP-GA2)。将这两种方法应用到ZrO2/TiB2/Al2O3纳米复合陶瓷模具材料的设计中,实现了材料组分和性能的双向仿真预测,优化得到综合力学性能较好的陶瓷模具材料组分配比。利用此配比制备陶瓷模具材料,并进行力学性能测试。结果表明,BP-GA2算法的仿真预测结果与试验值最为吻合,相对误差在2％以内。　　 此外,利用上述优化算法建立了纳米复合陶瓷模具材料热压工艺参数与力学性能之间的映射关系,并根据优化结果制备材料,测试其性能。结果表明,此优化方法也可用于纳米复合陶瓷模具材料热压工艺参数的优化设计。