随着高分子材料工程技术的不断发展,塑料制品的使用变得越来越普及,人们对于塑料材料制品的要求也越来越高,塑料制品的生产加工正向着功能化、智能化、精细化的方向发展。注塑成型工艺是塑料产品的重要成型工艺,注塑成型的工艺条件是非常复杂的,在注塑成型过程中,如果工艺参数选择和控制得不好,就会出现诸如制品翘曲量过大、飞边和缺料等缺陷。随着产品开发周期的缩短和对塑料制品品质要求的提高,怎么样在产品生产之前就模拟与分析可能会产生的制品缺陷已成为注塑成型工艺研究的重要措施。利用CAE技术,可以在制品大批量生产之前就对制品的注塑成型过程进行仿真模拟,通过优化产品设计、模具设计和注塑工艺参数来降低或者消除生产过程中可能产生的缺陷。本文以汽车内饰板制品注塑成型为例,利用CAE技术来优化该制品注塑成型过程中的工艺参数和浇注系统等,达到降低其翘曲变形量和缩痕指数的目的。本文的工作主要包括以下内容：1,本文简要地概述了注塑成型工艺的过程与原理,注塑过程中塑件产生翘曲变形和缩痕的机理。2,本文在对汽车内饰板进行三维建模之后,通过Moldflow模拟软件对制品的注塑过程进行计算机仿真模拟。并根据制品的结构,优化浇口位置和浇口数量,从而减小制品的翘曲变形量和缩痕指数,且建立了合适的浇注系统和冷却系统,为优化注塑工艺参数提供了基础。3,本文在建立合适的浇注系统和冷却系统之后,以注塑成型过程中主要的工艺参数：注射时间、模具温度、熔体温度、保压压力、保压时间和冷却时间为研究因素,以制品的翘曲变形量和缩痕指数为目的指标,进行了优化注塑过程的研究。结合Taguchi正交试验方法,并且经过均值分析和极差分析等分析方法得到了一组工艺参数的组合,使制品的翘曲变形量和缩痕指数得到较好的控制。4,本文在通过模拟得到的优化工艺参数的基础上,利用极差分析和方差分析得出了各个工艺参数对制品翘曲变形量和缩痕指数的影响。进而在此基础上提出了基于控制变量法的单一因素分析法来分析影响较大的工艺参数对制品的翘曲变形量和缩痕指数的影响程度,得出了当其他因素处于最优条件下,某一因素在不同的水平下对翘曲变形量和缩痕指数的影响。5,本文基于人工神经网络建立了从注塑成型工艺参数到翘曲变形量和缩痕指数的非线性映射关系模型,以Taguchi正交试验获得的样本数据作为该BP神经网络的训练样本,获得一组以输入为工艺参数和以输出为翘曲变形量及缩痕指数的BP神经网络模型。同时,利用该BP神经网络系统对所需优化的指标进行预测,验证了我们设计的BP神经网络模型的精确度较高。通过BP神经网络来预测注塑成型过程中可能产生的缺陷,可以减少Moldflow软件的工作量。采用BP神经网络模型来代替CAE软件进行模拟实验,并且结合正交试验法对工艺参数的优化,使得制品的翘曲变形量和缩痕指数得到更好的控制。论文工作表明,通过CAE技术可以在生产前对制品的缺陷进行预测,进而对其进行优化处理,减少了选定工艺参数的时间,节省了生产周期,提高制品的质量。同时,在正交实验结果的基础上在进行单一因素的分析,可以得出某一单一因素对于翘曲变形量和缩痕指数的影响趋势。同时利用人工神经网络可以对相应的工艺参数组合下的模型的翘曲量和缩痕指数进行预测,进一步提高了效率。