注塑成型是目前塑料加工中最普遍采用的方法之一。塑件质量受模具设计、材料性能、注塑成型工艺参数和环境状况等因素的影响。在实际生产中,材料性能的影响难以改变,机器性能的影响难以调整,环境状况的影响可以忽略,模具加工完成后模具对塑件的影响趋于稳定。注塑成型工艺参数直接决定了熔体在模具型腔中的流动、充模和冷却状态,对注塑制品质量有着最直接的影响。因此,可以通过改变工艺参数设置来改善塑件质量。因为注塑成型过程中工艺参数相互作用并随时间变化,所以每个参数对塑件质量具有不同程度的影响。注塑成型是一个高度非线性、时变性的多参数作用过程,采用CAE技术优化注塑成型工艺参数,提高塑件质量并降低生产成本,具有非常重要的工程实际意义。本文以塑料拉伸试样、冲击试样(有缺口)和冲击试样(无缺口)三个零件作为试验模型,以翘曲变形和收缩为质量指标,采用Taguchi方法、BP神经网络模型和遗传算法,结合Moldflow对注塑成型工艺参数进行优化,达到提高注塑制品质量的目的。首先,在PRO/E中建立三个零件的三维模型,并在Moldflow中建立有限元模型,包括浇注系统和冷却系统的建立。利用Moldflow对已建立的模型进行模拟分析,验证了模型的可行性。通过成型窗口分析获得了Moldflow推荐的工艺参数,利用推荐的工艺参数进行模拟分析,得到塑件的翘曲变形量和收缩率分别为0.8036mm和1.05%。其次,采用Taguchi方法对拟选取的工艺参数进行正交试验设计。结合信噪比、极差分析和方差分析方法优化了模具温度、熔体温度、注塑压力、注塑时间、保压压力、保压时间和冷却时间等工艺参数,获得了最优工艺参数组合。结果表明,保压压力和熔体温度对翘曲变形和收缩的影响显著,注塑时间和冷却时间次之,其它工艺参数对翘曲变形和收缩的影响较小。再次,本文建立了BP神经网络模型,以描述工艺参数与翘曲变形和收缩之间的关系,并验证了已建立的BP神经网络模型的正确性和可靠性。利用神经网络的预测功能,以最优工艺参数组合为准,预测了其它工艺参数组合下的翘曲变形量和收缩率,进行了单因素变动试验和工艺参数交互作用试验,研究了单工艺参数和交互作用对翘曲变形和收缩的影响。结果表明,翘曲变形和收缩随保压压力的增大而减小,随熔体温度的升高而减小,随冷却时间的增加而减小,随保压时间的增加而减小,随注塑时间的增加而增大,随模具温度的升高而增大,随注塑压力的增大而先减小后增大。利用遗传算法在给定的工艺参数范围内进行全局寻优,得到了工艺参数的最佳配置组合,最佳配置组合得到塑件的翘曲变形量和收缩率分别为0.6273mm和0.8169%。实际生产过程中,将最佳配置组合圆整。利用Moldflow模拟圆整后的最佳配置组合得到的翘曲变形量和收缩率分别为0.6300mm和0.82%,比Moldflow推荐的工艺参数得到的翘曲变形量和收缩率分别减小了21.60%和21.90%。最后,本文利用圆整后的工艺参数的最佳配置组合进行了注塑成型试验,通过测量验证了CAE模拟的正确性。