当前固体火箭发动机制造过程中火药推进剂生产质量波动大，而浇注速度及浇注量是影响装药质量的关键工艺参数。针对在混合锅结构限制、药重大以及热固性推进剂粘度随时间变化而变化的工艺特点导致壳体内无法布置传感器直接测量浇注速度和浇注量等关键参数的问题，本文通过机器学习技术，利用可直接测量的与浇注速度和浇注量相关的其它工艺参数以及设备运行参数等大量试验数据构建浇注速度和浇注量的在线预测模型，实现其间接软测量。首先，采集可直接测得的实测工艺参数作为训练和测试数据；然后，结合浇注花板的具体结构，通过支持向量机和极限学习机等非线性回归的机器学习方法训练数据，建立壳体花板出口处的浇注速度和浇注量回归模型，用于在线预测；最后，在实验室环境下的缩比模拟器上进行浇注速度和浇注量检测验证，表明该方法为装药浇注工艺过程的数字化和智能化可行性提供了依据。