铝合金的微观组织对其强度、塑性及使用性能等具有重要影响。传统的微观组织预测方法不仅理论和实验工作量大,而且通常还局限于某一特定材料和工艺条件。本文针对铸造铝合金建立了微观组织的人工神经网络预测模型,其预测高效、结果精确。本文主要基于6系和7系铝合金微观组织建立训练数据集,分别利用BP神经网络和NALU神经网络方法建立了铝合金微观组织平均晶粒尺寸预测模型,并用训练数据之外的其他系列的铝合金对所建模型进行了验证,分析了铸造速度、浇注温度、电压、磁场频率以及电磁强度五个工艺参量对铸造铝合金平均晶粒尺寸的影响规律,针对3001铝合金设计了低频电磁铸造工艺方案。建立的BP神经网络模型包含2个隐含层,其中输入层神经元数目为12,第一隐含层神经元数目为5,第二隐含层神经元数目为3,输出层神经元数目为1,隐含层之间的传输函数采用tansig,隐含层与输出层之间的传输函数为purelin,训练函数为trainlm。NALU神经网络模型包含三个NALU层,输入参数数目为12,第一 NALU层输入神经元数目为12,输出神经元数目为14;第二NALU层神经元输入数目为14,输出神经元数目为12;第三NALU层神经元输入数目为12,输出神经元数目为1,优化器为Adam。两种神经网络模型对其他系列铝合金数据预测的平均误差分别为10.56%和9.37%,对于Al-5.0Cu铝合金,当浇注温度为645℃、铸造速度为120 mm/min、冷却水量为40 L/min时,两种模型预测的相对误差分别为2.3%和0.1%。可见,神经网络预测模型具有较高的泛化性和精确性,并且NALU神经网络预测模型具有更高的泛化性。利用两种神经网络模型分别预测了铸造速度、浇注温度、电压、磁场频率和电磁强度五种工艺参数对晶粒尺寸的影响规律,预测规律与实际基本相同,其中,BP神经网络预测模型的平均相对误差分别为4.18、6.52、6.76、5.39和5.65%;NALU神经网络预测模型的平均相对误差分别为3.74、7.95、3.54、4.42和3.29%。利用NALU神经网络对Al-1.25Mn-0.5Cu的低频电磁铸造工艺进行了优化设计,优化的冷却速度为80 mm/min、浇注温度为675℃、冷却水量为50 L/min、电压为360 V、频率为28 Hz、功率为2 kW,平均晶粒尺寸预测值为84.13 μm,结果与实际工艺参数一致。本文工作对于铝合金微观组织预测具有十分重要的实用价值,对于半连续铸造工艺方案的设计具有很好的参考价值。