结合数值模拟与机器学习的铸造工艺优化方法及装置

本申请涉及一种结合数值模拟与机器学习的铸造工艺优化方法及装置，其中，方法包括：在数值模拟低压铸造时，采用基于动量守恒及能量守恒的机理模型求解流场及温度场，并采用体积函数法处理充型过程中流动自由表面，根据凝固固相分数与温度的关系确定凝固过程中显微偏析程度，得到凝固温度场模拟结果；根据模拟结果采用表示凝固枝晶间液体渗透补缩能力的新山判据预测缩孔疏松，以得到缩孔疏松体积，以采用基于高斯过程回归及遗传的机器学习方法预测不同低压铸造工艺条件下的缩孔疏松。由此，解决了由于铸造工艺参数的选取多数依赖经验或反复试验，需要大量的仿真与实际试浇试验，导致设计成本高、周期长，存在工艺参数的适应性与鲁棒性较差的问题。