由于石油不可再生资源的日趋缺乏，导致了塑料原材料的价格呈现不断增长的趋势。面对社会的激烈竞争，如何减少原料用量、降低成本并保持制品性能成为企业立足于不败之地的关键所在。微孔注塑技术在这样的环境下应运而生，它不仅减少了塑料的用量，同时特有的微孔结构也在一定程度上提高了制品的综合性能。但是，微孔注塑技术作为一种新的注塑技术，还有许多需要解决的问题，如何提高微孔制品的质量和减少生产成本是目前研究的热点。本文对传统的注塑机进行改造，研究不同工艺参数对微孔制品的影响，采用智能算法对工艺参数进行优化，提高了微孔制品的泡孔形态和尺寸稳定性，主要工作如下：（1）设备改造与传统注塑机相比，微孔注塑机特有的特殊螺杆和超临界流体注气系统使得其价格昂贵，极大的限制了其商业化应用。本文首先对传统的注塑机进行改造，设计一种自锁式喷嘴，控制喷嘴的开启与关闭；对于自锁式喷嘴的关键部件—静态混合器进行优化设计，利用Polyflow软件对不同结构的静态混合器进行数值模拟分析和优化，使其能够适应微孔注塑工艺。（2）数值模拟研究根据微孔注塑的成型机理，构建泡孔长大的物理模型和数学模型，以矩形板零件为研究对象，选取对微孔制品影响较大的工艺参数（熔体注射量、熔体温度、模具温度、注射时间和初始气体含量）作为试验因素，通过Moldflow的成型窗口确定工艺参数的范围，构建正交试验表，进行模拟试验，然后对试验结果进行均值分析和均方差分析；根据生产实践的要求，对微孔制品的多目标性能，采用综合平衡法进行优化分析。（3）实验研究利用改装的注塑机进行微孔注塑实验，测量微孔的尺寸和制品的翘曲量并与模拟的结果进行比较，验证模拟优化结果的可靠性；对流动方向和厚度方向的微孔形态进行研究分析，验证了实验结果与模拟结果的一致性；最后分析了不同工艺参数对微孔制品重量的影响。（4）工艺参数优化研究基于神经网络所具有的强大非线性映射能力，选用BP神经网络对数据进行训练和仿真，建立微孔注塑制品目标与工艺参数的预测模型，并验证预测模型的可靠性。在神经网络的训练中，由于初始权值的选择是随机的，导致了预测模型的不确定性，故采用遗传算法对其权值进行优化，进一步提高模型的预测能力，然后结合神经网络和遗传算法，进一步得到全局最优的工艺参数组合，并进行产品注塑成型验证。最后，利用matlab设计一种GUI软件，实现不同工艺参数的预测和得到最优的工艺参数组合，从而更好的服务于生产实践。