铸造行业是保障我国经济良好运行的关键基石,作为众多企业的上游产业,其为我国的经济发展提供了非常重要的支撑,尤其是汽车行业,其许多零部件都是通过铸造得来,而铝合金发动机缸盖又是其中的主要部分,对于其在铸造过程中关键的冷却凝固环节,目前重力铸造系统在温度控制策略上仍然依赖于落后的人工操作,产品质量难以得到保证,经常出现产品质量不一致的问题,基于此研究背景,并结合前人已有的研究基础,分析重力浇铸过程温度控制的影响因素,构建凝固过程温度结构耦合模型,并研究不同控制策略下凝固过程最优温度控制性能,以期提升铝合金铸件产品力学性能与质量的一致性,具有重要的经济价值和社会意义。本课题主要研究内容如下:(1)构建铝合金发动机缸盖重力铸造凝固过程温度结构耦合模型。分析重力铸造的工艺流程,确定铝合金发动机热节点以及水冷点排布规律,在此基础上构建温度场模型,分析得出界面换热系数是影响凝固过程建模准确性的关键指标。因而需要分析铸件结构对温度场的影响,采用非线性估算法计算界面换热系数随时间的变化关系,从而完成凝固过程中温度-结构耦合模型的构建。(2)在温度-结构耦合模型的基础上进行凝固过程温度控制策略研究。凝固过程的温度控制具有强烈的非线性、强耦合性以及不确定性,利用云模型的原理与数字特征,根据其可实现定性和定量之间不确定性转换的特点,提出云模型与PID相结合的控制方式,通过构建不同的云模型推理规则,设计了一套基于该推理规则的凝固过程温度控制系统,并利用Matlab进行仿真分析,仿真结果表明控制器在结合云模型之后控制效果得到改善,但仍有优化空间。(3)针对云模型PID控制器无法快速响应铸件非线性物理变化的不足,研究控制策略优化方法。提出利用神经网络进行拟合控制参数,分析其控制策略,该系统可实现动态调整云模型隶属度函数输出,从而不断拟合铸件的实际物理情况,实现快速响应系统变化。最后对该系统进行仿真分析,结合重力铸造凝固过程特点,对神经网络进行参数优化整定,并与其它控制策略进行对比分析,结果表明该控制策略的控制性能得到了进一步提升。(4)进行铝合金发动机缸盖重力铸造凝固过程温度控制实验研究。掌握铝合金浇注实验工艺流程,掌握相应实验材料参数,并进行实验平台软硬件设计,并使用非线性回归拟合对PLC温度测量值进行补偿,减小控制系统的温度反馈误差。在模具三个工作点运用三种不同的控制策略进行实验分析与对比,通过各自温度曲线的误差分析以及最终铸件的机械性能对比,表明本文提出的基于参数优化的神经网络云模型PID控制策略在重力铸造凝固过程中具有良好的稳定性和良好的跟随能力,进一步提升了产品的机械性能与质量管控能力。