随着人们对塑料成型零件质量和产量的要求越来越高，注塑过程控制和质量控制成了研究的热点，然而，因为缺乏能对制品质量在线实时测量的传感器，过程控制变量与制品质量参数之间没有通用、精确的数学模型，真正无需人工干预，且成本在可接受范围内的注塑制品在线质量控制还没有实现。目前注塑制品质量控制领域应用非常广泛的CAE技术和人工神经网络技术，都在一定程度上实现了对制品质量的控制与优化，但也仍存在局限性。本课题结合人工神经网络技术的优点，针对目前注塑制品质量控制方法的局限性，提出将模腔压力作为质量反馈构建注塑制品质量控制系统，通过析因实验获得的数据，分析出成型过程每个阶段的模腔压力对各工艺参数的响应情况，测试相应制品的力学性能，建立工艺参数—模腔压力—制品力学性能在线监控与优化模型。论文首先介绍了注塑成型过程涉及的各工艺参数及各参数对制品质量的影响，以及目前注塑制品质量控制领域的进展情况。接下来介绍数据采集设备和数据采集原理，采用析因实验的方法，进行模腔压力数据的采集、制件相应力学性能数据的获取。通过数据研究了不同注射阶段模腔压力的变化规律，分析了各工艺参数对模腔压力值的影响，得出保压压力（系统最大压力）是模腔压力变化的主因，通过拟合得出模腔压力数值对保压压力的响应数学模型。分析了模腔压力数值与制件力学性能间的关系。接下来，基于采集到的模腔压力数据，建立了以工艺参数、部分模腔压力值数作为输入、剩余各阶段模腔压力值为输出的BP神经网络压力预测模型，在实现MATLAB平台与采集系统、PLC的通信后，由实时获得的成型周期前期压力数据，预测出同一循环内其他阶段的模腔压力数值，与由10组性能最优制件的模腔压力数值建立的标准相比较，根据比较结果调整相应保压压力数值，经过换算，输出至PLC中。继而用PLC对注塑机闭环反馈控制系统进行二次改造，以计算机输出的保压压力值为设定值和PLC截取的原注塑机系统压力信号的偏差进行PID调节，获得期望输出，并使其在注塑机上可执行，在线调控部分工艺参数，实现质量的在线控制。最后通过验证实验说明，模腔压力作为熔体从粘流态到固态的记录者，是工艺参数在模腔内的综合反映，以模腔压力预测值作为质量在线控制系统反馈来调节相应工艺参数，实现质量在线优化是可行的。