اصولا بسیاری از قطعات مکانیکی یا سازه ها در دمای بالا در شرایط کاری سخت قرار داشته و لذا عمری محدود دارند از آنجا که این قطعات از جنس سوپر آلیاژها هستند و با روشهای تولید پر هزینه ساخته می شوند جایگزینی آنها بسیار گران است بنابراین برآورد دقیق عمر این گونه قطعات امری مهم بشمار می آید مکانیک شکست با ارایه های مدلسازی رشد ترک ناشی از خزش می تواند به عنوان بخشی ممهم از یک برنامه تخمین عمر در نظر گرفته شود تعیین دقیق پارامترهای مکانیک شکست نظیر ضریب شدت تنش انتگرال j و c برای مدلسازی رشد ترک ناشی از خزش ضروری می باشد. محاسبه پارامترهای غیر خطی نوک ترک حین خزش برای اجسام دارای هندسه پیچیده بواسطه تحلیل های اجزا محدود زمان بر است روش شبکه عصبی مصنوعی دارای قابلیت های منحصر به فردی برای پیش بینی فرآیندهای غیر خطی مشابه فرایند مورد استفاده در این پروژه می باشد در این رساله با مدلسازی قطعه ct تحلیل المان محدود آن در محدوده گسترده ای از درجه حرارت و نیرو ابعاد انجام شده است. این نتایج با داده های تجربی مقایسه شده اند. سپس با توجه به طبیعت غیر خطی این فرایند تلفیقی از نتایج تجربی و عددی به شبکه عصبی داده شده است. در این مرحله با استفاده از 3 شبکه شبیه سازی انجام گرفته است که بر اساس نتایج ارایه شده شبکه پرسپترون چند لایه با تابع محرک تانژانت و با 16 نرون در لایه پنهان اول و 4 نرون در لایه پنهان دوم بهترین جواب را ارایه داده است که میانگین درصد خطای داده های تست و آموزش در آن به ترتیب 8/3%و 2/2% است که برای این فرایند مطلوب می باشد.