在铝合金铸造和其他金属铸造过程中，温度对铸件的质量有着十分重要的影响，所以对温度数据的测量及监控都十分重要，无论在生产过程还是科学实验中，采集并记录准确的温度数据对研究金属的凝固过程具有重要的意义。本文以测量装置-智能仪表（TDAM7024）为背景，围绕如何改善铝合金铸造过程中的温度测量，更快更准确地获取温度数据以及对其后期处理而展开，分析计算机与仪表之间的串行通信和上位机数据程序以及神经网络，特别是BP神经网络的特性，并通过神经网路对测温过程进行了建模对测温数据进行了处理。首先，从温度测量原理出发并剖析了TDAM7024的工作原理。其次在原有的基础上改进了上位机程序，除了原有的显示记录功能，同时加入了对数据处理软件Matlab的调用。然后，在本课题的研究中，把神经网络理论引入到测量系统中，建立非线性测量系统的综合校正模型，以提高系统的性能。本文中利用具有较强函数逼近能力、采用BP算法进行学习的多层前向网络即BP网络来建立非线性测量系统的综合校正模型，并利用快速BP算法对网络进行训练，通过仿真比较，得到测量系统的有效神经网络模型，这个过程是在Matlab环境中实现的。论文在剖析温度测量原理及测量过程建模的基础上，应用计算机技术，充分利用了Matlab和VB在数据采集、算法实现等方面的强大功能，实现了温度测量数据的快速处理与分析。并在不同类型保温套保温效果比较实验和铝合金冷铁补缩效果铸造实验中进行了验证，得到了温度数据的检测结果并对温度数据进行了后期处理，实现了图形显示并通过图形进行了相关数据的分析比较，同时对实验结果并与未处理数据进行了比较，满足了实验要求。