随着计算机技术和数值模拟理论的发展,CAE技术应用于铸造领域越来越成熟。铸件的宏观模拟诸如温度场、流动场、应力场的研究已经日趋成熟,数值模拟结果可以为铸造工艺的优化提供科学的数据支持。热物性参数作为CAE分析的重要输入参数凸显出越来越重要的作用,其准确与丰富与否直接影响CAE模拟预测的精度。据此,本文研究了一种铸造热物性参数的反求技术,提出误差分析计算方法,建立热物性参数GA-BP模型,设计进行铸造测温实验,采用面向对象编程思想,完成软件系统的开发,并利用反求系统对25CrMo材料的热物性参数进行修正。主要工作内容如下:首先,提出实测温度曲线与模拟温度曲线之间的误差分析计算方法,并以此为基础通过遗传算法(GA)与神经网络(BP)结合的方法建立热物性参数与曲线分段误差值之间的GA-BP模型。综合讨论几种误差分析计算方法在分析曲线间相似程度的效果,并提出基于曲线分段的面积绝对误差分析计算方法;以待修正的热物性参数、模拟与实测曲线的分段误差值为样本,训练神经网络,不断提高其准确程度;设置遗传算法参数,利用遗传算法智能寻优功能修正获得可靠的材料热物性参数。其次,借助wxWidgetsGUI架构库,采用面向对象的思想理念对热物性参数反求系统进行设计及开发。搭建软件开发平台,设定开发环境;根据物性反求过程中的逻辑流程,将系统划分为华铸CAE交互模块、误差分析预测计算模块、界面交互模块三个部分,逐个分析各模块需求,构建各模块中的模型对象,并建立模型对象之间耦合关系,实现软件开发。最后,利用开发的系统对某铸造公司的某种铸件材料进行了热物性参数的反求修正,并对系统应用效果进行分析。以某公司实际铸造材料25CrMo的热物性参数为研究对象,设计进行铸造过程测温实验,获取铸件部分点的温度变化曲线;应用热物性参数反求系统对原始参数经行反求修正;进行修正前后温度曲线以及利用修正后的热物性参数所模拟出的铸件缺陷与真实缺陷之间的对比分析,验证了系统的可靠性。