注塑成型是塑料制品重要的成型方式之一,适于大批量生产形状复杂、尺寸精确的塑料制品。随着对制品质量要求的不断提高,对于如何利用注塑成型工艺优化技术获得较好的成型工艺条件的研究显得越来越迫切。CAE技术可以帮助工程师优化成型工艺,减少反复的试模修模,但这只能获得合理的工艺而无法得到最优的工艺。因此,研究如何从CAE分析结果中抽取出有效地信息来辅助工艺优化,提高制品质量有着重要的意义。本文先以打印机上盖为例子,讨论在塑料原料、注塑机、模具结构等确定的情况下,工艺参数对成型制品质量的影响。以注塑件成型质量中的体积收缩率、翘曲量和沉降斑指数为优化目标,以模具温度、熔体温度、注射时间、保压时间、保压压力为优化变量,实际经验取值范围为参数水平。通过Taguchi方法分析五种成型工艺参数对制品质量的影响程度,优化了成型参数,获得优化的参数组合,并进行了试验验证。通过统计回归分析的方法,分析了单目标情况下成型工艺参数对制品质量的影响程度,并与Taguchi方法的分析结果进行对比,回归分析得出制品质量与成型工艺参数之间的网络映射模型,预测了多目标情况下的最优参数组合,并进行了试验验证。最后选择电梯踏板保护边条为例,以CAE仿真得到的数据为样本数据,通过设计网络结构和选用学习算法,建立基于BP人工神经网络的收缩—翘曲—沉降斑指数预测模型。将网络预测结果与实验结果进行比较,表明经过训练的神经网络模型可以正确预测制品质量,大大减少了数值仿真的次数,可达到优化成型工艺,缩短生产时间,提高制件质量的目的。