人工神经网络(Artificial Neural Network,简称ANN)是在人脑神经网络认知理解的基础上人工构造的能够实现某种功能的神经网络。它具有生物神经网络的某些特征,是一个信息处理系统。神经网络结构简单、能够大规模并行、容易用硬件实现,并且具有学习和记忆能力、自适应和多样性等特性。本文将BP网络算法应用在微悬臂梁力学特性的研究中。BP网络算法广泛应用于非线性建模,模式识别、预测等方面。本文在MATLAB7.0环境下,采用多尺度小波变换算法对实验所得微悬臂梁加载力、挠度的原始数据进行了消噪预处理;建立了微悬臂梁力学特性研究的BP神经网络模型;拟合、分析微悬臂梁的力学实验数据,预测不同参数的微悬臂梁加载力-挠度关系。另外,针对BP网络收敛速度慢、易陷于极小点等缺点,改进了网络的初始值及网络的训练算法,以保证网络稳定快速收敛。实验结果表明,在相同加载力的作用下挠度随微悬臂梁长度的增大而增大,随其宽度的增大而减小;当挠度小于600nm时,加载力-挠度呈线性关系且实验拟合结果与理论计算结果相一致;同时BP神经网络能很好的预测不同参数微悬臂梁加载力-挠度的关系,预测效果(预测值与实际值的相关系数)平均可达到0.997以上。实验结果充分肯定了人工神经网络在研究微悬臂梁力学特性中的适用性。