文章标题：基于机器学习的航天筒形件铸造工艺优化设计

文章作者：盛子懿，邱昊岳，沈厚发
关 键 字：低压铸造；缩孔疏松；机器学习；高斯回归；遗传算法；数值模拟
文章摘要：航天舱体等薄壁铸件厚度不均，容易产生凝固补缩困难。 采用数值模拟方法研究低压铸造铝硅合金筒形件凝固缩孔疏松。 基于高斯回归代理模型及遗传算法开发了数据驱动型机器学习程序。 结果表明，机器学习预测的低压铸造疏松结果与基于机理模型的数值模拟结果一致。 保压压力愈大、过热度愈小、充型时间愈短，铸件形成疏松的倾向性愈小。 机器学习可设计出比正交设计更优的工艺参数，使用机器学习预测疏松的效率比数值模拟更高。