随着塑料种类的不断研发,塑料制件在汽车行业的应用越来越普遍。对于精度和质量要求较高的塑料制件而言,需对影响精度和质量的因素进行研究,其中影响最大的、较难控制的因素是成型工艺参数。因此在CAE技术的基础上,通过改变成型工艺参数的方法提高制件精度和质量,对实际生产有重要的指导意义。本文以汽车仪表导光支架为研究对象,以成型工艺参数为试验因素,体积收缩率和翘曲量为质量评价指标,采用田口正交试验方法、灰色关联分析、改进粒子群算法对工艺参数进行优化,利用Moldflow对优化后的工艺参数进行模拟仿真研究,得到汽车仪表导光支架注塑成型最小评价指标。本文主要内容如下:(1)利用Creo对汽车仪表导光支架进行三维建模,设计汽车仪表导光支架的注塑模具。运用CAE技术对汽车仪表导光支架的成型过程进行数值模拟分析,并对成型模拟结果的数据进行处理。(2)采用田口正交试验设计,选取模具温度、熔体温度、冷却时间、保压压力和保压时间五个成型工艺参数作为试验因素,体积收缩率和翘曲量作为质量评价指标。通过Moldflow对试验数据进行模拟仿真,将模拟仿真结果进行极差分析和方差分析得到了体积收缩率最优的成型工艺参数组合和翘曲量最优的成型工艺参数组合。再利用灰色关联分析对试验结果进行处理,得到体积收缩率和翘曲量同时较优的成型工艺参数组合。(3)通过BP神经网络建立成型工艺参数与体积收缩率、翘曲量两个质量指标之间的数学模型。将建立的模型当作改进粒子群算法的适应度函数,利用算法优化成型工艺参数,得到最优工艺参数组合。本文的主要结论及创新点如下:(1)改进粒子群算法中的惯性权重和学习因子,形成新的粒子群算法,仿真结果表明,改进算法的优化效果更好。(2)利用田口正交试验方法、灰色关联分析和改进粒子群算法,优化了成型工艺参数,得到一组最优成型工艺参数组合。