随着现代工业的不断发展，塑料制品不断向着更加功能化、智能化和精细化的方向发展。在塑料制品普及率越来越广和需求量越来越大的现代社会，塑料工业已经形成了巨大的产业规模，在塑料的成型加工过程中，模具的工艺参数控制对塑料成品的质量起到非常重要的作用。而注塑成型计算机模拟仿真技术的出现，大大降低了控制工艺参数所需要的时间和成本，从而有效的降低了企业成本，提高了生产中塑料制品的良品率和质量，并且减少了塑料制品生产过程常见的如飞边、翘曲量过大等缺陷，这对于企业发展起到了重要和积极的作用。　　本文通过结合计算机CAE模拟技术，先通过UG软件建立薄壳塑料件的3D立体模型，然后将其导入到MoldFlow软件中。然后设定好合适的机械型号，选取注塑过程需要导入的原材料，然后确定冷却和浇注系统，设计注塑成型加工过程中基本的工艺参数，最后便可以进行生产过程的模拟仿真。记录模拟结果，可以得到的缺陷值对应的数值结果，然后通过正交实验法分析和处理数据，使用极差分析和方差分析的统计学方法对实验数据进行综合的处理和分析，可以得到较优的工艺参数组合。然后通过matlab软件的B函数编码，建立基本BP神经网络模型和通过遗传算法改进的GA-BP网络模型，对不同的注塑工艺参数组合进行预测分析，预测在不同组合的情况下对应的缺陷数值。并设计细化正交实验表，对注塑成型加工过程的工艺参数进行进一步的优化处理。　　本文主要的研究内容如下：　　1、本文介绍了注塑成型技术的发展情况和基本原理，以改善塑料制品在注塑成型过程中的缺陷为主要目的，选取薄壳塑料制品的缩痕指数为指标，以填充时间，熔体温度，模具温度，保压压力，保压时间，冷却时间，作为6个可控制的工艺参数变量为因素进行研究。　　2、文本使用UG软件对薄壳塑料件盖盒进行3 D建模，将模型导入MoldFlow软件，对其的注塑成型过程进行仿真模拟。针对塑料制品的结构特点，设计合适的浇口位置和浇口数量，设计适宜的模温控制系统和浇注系统，为得到最优的工艺参数打下良好的基础。　　3、通过Taguchi正交实验的处理，得到一组实验数据，然后使用MoldFlow软件对塑料件的成型过程进行仿真模拟实验后，记录不同工艺参数组合对应的产品缺陷的数值，本文记录的缺陷值是缩痕指数，也是正交实验表中指标的数据值，并利用均值分析法和极差分析法，分析在注塑成型加工的过程中，几个主要的工艺参数对缩痕指数的影响程度的趋势排序，可以初步得到较优的工艺参数组合。之后通过方差分析，找到对正交实验法中的指标影响程度占比最大的两个因素，对其进行细化分析，通过缩小其水平之间的步长，设计细化分析正交实验表，进行实验和分析，进一步优化工艺参数组合。　　4、将通过Taguchi正交实验法处理的数据作为输入和输出数据导入到matlab软件中，建立BP神经网络算法的非线性映射关系的计算模型。以注射时间，模具温度，熔体温度，保压时间，保压压力，冷却时间6个因素为输入层数据，缩痕指数为输出层数据，通过导入已知的输入数据和输出数据，建立非线性映射的对应关系，搭建 BP神经网络的计算模型的映射过程，同时，设计一组测试数据并导入BP网络模型中进行计算预测，得出相应的预测输出数据，即缩痕指数，并且将测试数据在MoldFlow软件中仿真模拟得到的缩痕指数进行对比比较，验证了我们设计的BP神经网络模型的精确度较高。从而得出BP神经网络模型可以在一定程度预测注塑成型的结果，减少MoldFlow软件的计算工作量。　　5、由于BP神经网络训练对初始权重的选取很敏感，而训练第一步是给定一个较小的随机初始权重，由于权重是随机给定的，遗传算法可以通过全局寻优的筛选出最优的个体，将两者耦合计算可以发挥各自的优点，从而可以得到更加精准的子代数据，将较优的子代数据作为BP神经网络的权值和阈值，可以起到增加 B P网络模型的稳定性和准确性的作用，达到优化网格模型的效果。通过matlab软件的B函数编程，设计通过遗传算法和神经网络耦合的GA-BP网络模型，在保证其他数据条件一致的情况下，将测试数据导入GA-BP网络模型中，得到相应的预测输出数据，并计算两种网络模型的网络均方误差mse，通过比较两种网络均方误差mse，来判断GA_BP网格是否起到优化的效果。