注塑成型作为一种高效的零件成型方法,在制造业中有着广泛应用。成型后的零件质量可以从形状、尺寸、外观、强度、耐久性等几个方面来描述,相应的产品缺陷有飞边、气穴、缩痕、翘曲、裂纹、熔接痕等。影响缺陷形成的因素包括零件材料、工艺参数、生产设备、生产环境等,其中工艺参数相对易于修改,却对熔体的填充、保压和冷却等有着直接的影响。利用目前CAE软件对注塑成型缺陷进行分析,结合实际检验确定缺陷的位置和严重程度,再根据分析得到的优化结果来改进注塑的工艺参数,以相对低的成本来获得高质量的注塑件,具有重要的现实意义。本文利用Moldflow对选取的注塑件成型过程进行了分析,同时以细化网格,降低网格纵横比和提高网格匹配率等方式优化网格质量。以翘曲值为目标对有限元分析结果的收敛性进行验证,找到了兼顾计算资源消耗和分析精度的网格划分方式。采用Taguchi正交试验,以工艺参数为试验因素,塑件的体积收缩率、缩痕深度和最大翘曲值的综合指标作为实验目标,建立正交表来合理布置试验因素和水平的组合,对结果数据做极差分析。建立BP神经网络并以正交试验结果的数据来训练验证网络,获得更为精准的工艺参数和综合质量对应关系,得到更优的最佳工艺参数。在Moldflow环境中进行了多目标的正交试验,对试验数据结果进行极差分析,得到了按综合质量影响严重程度的因素排序,以及在成型范围内最优的工艺参数组合,塑件的最佳综合质量达到71.354。之后使用模拟退火算法在网络中的工艺参数范围中搜索最优解。得到的参数使得塑件的综合质量有了进一步的提高。塑件综合质量达到76.862,与正交方案相比提高了7.7%。