注塑成型是重要的塑料制品成型方式，适于大批量生产形状复杂、尺寸要求精确的塑料制品。随着注塑产品应用范围的变化，对产品质量的要求也越来越高注塑成型过程中，熔体在型腔内的状态及变化历史直接影响到最终制品的性能和质量。对成型过程进行数值模拟，预测熔体在型腔内的状态及变化规律，以辅助模具设计和成型工艺设置，成为提高制品质量的重要手段。应用成型过程的数值模拟只能代替试模来反复验证工艺参数是否合适，难以得到最佳工艺设置，且由于成型中外界扰动的影响，难以保证制品质量的稳定性，因此，对成型工艺进行优化和控制，提高加工变量的稳定性以生产出高质量的制品具有重要的意义。 本文主要对注塑成型过程的工艺参数优化和控制进行了研究，并利用人工神经网络技术在计算机辅助设计(CAE)模拟基础上对单目标问题进行了优化和控制。 通过对具有不同学习算法、不同传递函数及不同隐含层神经元个数的BP网络性能进行比较，确定出本文优化和控制中采用的BP网络结构及参数，对注塑成型过程的工艺参数进行预测。