获得优质的铁液是铸造生产过程中重要前提条件之一，近年来，随着机械零件对强度性能要求的不断提高，一些新型铸铁材料的研制与应用受到了广泛的重视，而对这些炉前处理影响最大的因素是铁液的质量。因此，实现对炉前铁液质量的快速检测成为铸铁材料生产的关键技术。热分析法是一种通过连续测定金属液凝固过程中的温度变化并提取相关特征参数以判别铁液凝固特征的快速分析方法。本文通过分析传统热分析法的基本原理，建立了铁液质量炉前快速分析的物理模型，通过测定铁液凝固冷却过程中的冷却曲线，提取冷却曲线上的相变温度特征参数，来分析检测铁液的碳、硅和碳硅当量的含量以及力学性能，从而实现对炉前铁液成分的快速检测。本文在研究热分析技术的基础上，引入了人工神经网络技术，舍弃了传统固定化的数学模型，通过矩阵实验室软件，建立了铸铁性能预测模型，并将该模型成功经过了测试样本的验证。BP神经网络更加依赖的是学习样本，其预测结果和精度不依赖于铸铁的数学模型,能节省大量研究经费、缩短研究周期。而且该法可以借助正交试验设计法对铸铁性能各影响因素的重要程度进行分析、快速找出对其影响最大的因素。由此可见，该法的提出为铸铁性能研究提供了一条新思路和一个新手段。并且，由于对试验条件要求的降低以及分析速度周期变短，具有较高的理论意义和工程应用价值。