该文试图运用知识工程的原理方法,解决传统注塑模CAE系统中一些需要耗费用户大量精力的决策性问题,推进CAE软件向智能方向发展.该文探讨了应用人工神经网络技术实现注塑成型工艺参数优化的原理和方法.具体内容包括优化目标函数的确立,神经网络输入输出参数的确定,学习样本的组织等.对于个别难以计算的参数还给出了详细的计算算法.面对CAE分析产生的大量信息,该文通过对分析方案进行数据挖掘得到分析结果的知识化表示,依据注塑成型领域的专家知识,采用专家系统技术对分析结果进行推理,给出方案评价和改进意见.该文还讨论了注塑成型过程中熔体流动前沿速度对成型质量的影响,通过特定算法计算出理想的分级注射曲线,并采用数值拟合的方法,优化出使流动前沿速度一致的分级注射曲线,使制品成型质量大幅度提高.最后,在基于知识工程的CAE系统实现框架基础上,该文介绍了系统开发和集成过程中涉及的主要工作与相关算法,并辅以一个优化实例说明系统的使用方法.