基于3 418条实际低压铸造铝合金生产数据，提出了一种结合多种机器学习算法的集成学习硬度预测模型。结合多种机器学习算法，构建了一个多模型集成的硬度预测模型。通过对Lasso回归、支持向量回归（SVR）、K近邻回归（KNN）、梯度提升回归（GBR）、XGBoost和Stacking模型进行比较，选取表现最佳的Stacking模型进行优化和验证。结果表明，Stacking模型在MAE、R~(2)等指标上均展现出最优的表现。可解释的SHAP分析表明，Cu、Zn等元素对合金硬度的影响显著。