在注塑加工过程中，塑料制品的成型收缩率是影响制品精度的重要指标。影响注塑制品成型收缩率的因素很多，然而在实际生产过程中，当材料选定，模具加工完成后，只能依靠注塑工艺参数的调整来尽量优化制品的成型收缩率。如果能在模具设计阶段，结合制品结构和成型工艺，正确预测制品各部分的成型收缩率，设定正确的成型工艺参数范围，对减少修模、试模工序，降低物料消耗，缩短试验周期等，均有较强的指导意义。本文在前人研究的基础上，利用了有限元数值模拟与人工神经网络模型结合的方法，对快速预测成型工艺参数与制品成型收缩率的关系的方法进行了初步的探索。 　　采用正交试验方法，利用注塑成型CAE软件进行有限元数值模拟，得到不同工艺条件组合下某POM(聚甲醛)矩形长条试样成型收缩率的数值，研究了模具温度，熔体温度，注射速率，保压时间，保压压力和冷却时间等六个注塑工艺参数对试样成型收缩率的影响及其趋势。以采用有限元数值模拟得到的收缩率数据作为训练样本，基于BP算法建立了一个人工神经网络模型，可用于预测成型收缩率的数值。 　　采用传统单参数轮换变动方法进行注塑实验，即保持其他五个工艺参数不变，每次仅改变一个工艺参数，研究该工艺参数对收缩率的影响。获得的数据不仅可以用来检验人工神经网络预测结果的准确性，还能够支持正交试验方法的分析结论。实验验证结果表明，利用有限元数值模拟与人工神经网络结合的方法，可以快速简便地预测不同工艺参数组合下该矩形长条试样成型收缩率的数值，其平均偏差范围＜10％，且经过回归处理后，修正预测值的平均误差为1.68％。该集成方法对实际生产中模具型腔尺寸的确定，和产品试制阶段工艺参数的调整范围，提供了快速有效的参考和指导。