电磁半连续铸造过程是一个具有高度非线性和复杂相关性的高温过程,由于对一些重要的、能够直接反馈铸锭内部质量的过程变量不能直接在线测量,使得通过对半连铸过程建立数学模型来优化工艺存在诸多的困难。人工智能技术为电磁半连铸工艺参数的优化控制提供了全新的方法,它能够绕过半连铸过程中建立数学模型的难点,能很好地利用工程师和熟练工人的一些经验,而这些经验是传统数学方法所无法利用的。本论文研究了作为人工智能的几种主要方法：专家系统、模糊控制、神经网络、遗传算法在电磁半连铸领域的应用。研究的目的在于：将智能优化与智能控制技术融入电磁半连铸集散控制系统中,创建电磁半连铸过程智能控制系统的新型结构体系,开发对电磁半连铸过程智能控制、智能优化、故障诊断的全面处理的新技术,达到提升铝合金电磁半连铸生产力的目的。模糊控制方法的本质优势在于能够处理过程的不确定性信息；专家系统能够有效地利用非数值形式的信息,方便地引进规则库系统；人工神经网络方法的优势在于能够通过样本学习,准确模拟各种非线性特性；遗传算法可以模拟大自然中优胜劣汰的法则,在全局范围内寻找参数的最优。本论文的研究结果主要有以下几点：1)针对我国电磁半连续铸造企业规模相对较小而控制要求较高的情况,开发了适用于电磁半连续铸造过程优化控制的低成本、开放型、高性价比的集散控制系统(EPM2006 DCS)。采用模块化的硬件结构和组态化的软件结构,具有方便、灵活、易用、简单、可靠、高性能特点,总体技术方面达到先进水平。2)创建了智能控制系统的新型结构体系,将电磁半连续铸过程智能控制子系统与EPM2006DCS相连接,使集散控制系统具有先进控制功能。3)针对复杂的非线性的电磁半连续铸造过程,将智能控制技术融入传统的集散控制系统中。采用模糊控制、专家系统与常规控制相结合的技术,设计了铸造温度复合模糊控制系统、二冷水参数自调整模糊控制系统、液位专家模糊控制系统。实现了常规控制方法难以实现的控制功能。4)构造了异常工况诊断的微专家系统,实现电磁半连续铸过程故障的实时诊断；采用软测量方法测定铸锭拉漏等征兆特征量,建立了专家故障预报机制。5)针对高度非线性的电磁半连铸过程,建立了铝合金电磁半连铸过程铸锭裂纹预测的神经网络模型,采用改进型BP算法进行网络学习,预估不同的工艺参数下裂纹的量化值。预估值的最大相对误差为13.9%,最小相对误差为0%6)在神经网络预测模型的基础上,采用改进的遗传寻优技术,确定了基于裂纹缺陷的全局最优工艺参数,达到提高铸锭质量,降低铸锭废品率的目的。这些研究结果的初步使用已经产生了明显的效应,大大提高了铝合金电磁半连续铸造的生产效率和产品质量。人工智能方法在材料成型过程中的应用总的来说还处于发展初级阶段,许多工作还很不成熟,急需改进。今后研究工作可从以下几方面着手：进一步深入探讨成型过程机理、完善智能控制自身理论与实践、加大人工智能在半连铸领域的实际应用等。