CAE软件的智能化是当今CAE应用系统的一个重要发展方向,运用人工智能技术及方法,在原有CAE软件准确的计算功能基础上,由系统帮助用户实现各种参数的优化设置、提供合理的工艺评价以及改进建议,将能有效提高CAE软件的应用价值,大大减轻用户的负担.该文试图运用知识工程的原理和方法,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.该文建立了径向基函数注塑成型注射压力和熔体温度神经网络模型,与通常的BP网络模型的改进最优算法和LM算法进行了对比,并用注塑模CAE分析结果进行了校核.结果表明,对于该文研究的问题,径向基函数网络在精度、训练速度等方面优于BP网络.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.该文还研究了注塑模CAE远程应用系统的实现.围绕着建立最优系统模型,探讨了数据压缩算法和FTP文件服务,并采用主从服务器分离法提高系统性能.为进一步优化系统,运用了多线程、套接字、ADO和RAS远程拨号等技术.