为探究液滴撞击与铺展动力学行为，提高液滴铺展工艺参数设计效率，基于有限元模型建立了智能优化算法的数据集，并提出了一种基于改进灰狼优化算法的极限学习机（ELM-IGWO）预测模型。以液滴初始直径、速度、高度以及材料的接触角作为输入，液滴最大铺展直径和中心厚度为输出，对液滴撞击与铺展的动力学行为进行了预测。通过与反向传播神经网络、遗传算法优化反向传播神经网络、极限学习机以及传统的灰狼优化极限学习机模型进行比较，发现所提算法在预测液滴撞击和扩散的动态行为方面具有更高的准确性。此外，利用基于人工神经网络的改进型多目标非支配排序遗传算法对液滴撞击与铺展的工艺参数进行优化，实验结果表明，预测的最大铺展直径与实验数据的平均相对误差为3.54%，中心厚度的预测误差为5.71%。
