基于神经网络与多目标GA算法的铸造参数优化方法及系统

本发明提出了一种基于神经网络与多目标GA算法的铸造参数优化方法及系统，涉及挤压铸造工艺参数优化设计领域，构建挤压铸造工艺数据集和初始LSTM神经网络，根据挤压铸造工艺数据集获取训练后的LSTM神经网络；在挤压铸造工艺数据集中铸造工艺参数的取值范围中随机生成的解集形成初始种群；获取初始种群中每个个体对应的多个目标性能指标和缺陷指标，并根据多个目标性能指标和缺陷指，获取每个个体对应的适应度函数和适应度；根据预设适应度阈值选取初始种群中的父代个体获取子代种群；将初始种群与子代种群进行Pareto排序，当目标种群满足预设性能指标条件，则将目标种群作为最优挤压铸造工艺参数输出。本申请有助于提升工艺参数优化的鲁棒性和精度。