在注塑成型过程中,工艺参数对成型质量有较大的影响。通过控制注塑成型工艺参数来优化成型质量已成为研究热点。对材料为PA66的法兰零件进行研究,利用Moldflow软件建立成型零件、浇注系统、冷却系统的有限元模型,并模拟仿真注塑成型过程,获得注塑制品的成型结果。将CAE与DOE技术相结合,通过不同的实验方法针对不同的目的,基于有限元分析软件Moldflow进行仿真实验。选择熔料温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个工艺参数为实验因素,进行全因子实验,确定了对制品翘曲变形量和体积收缩率影响显著的工艺参数为：熔料温度、模具温度、注射时间、保压压力,并确定了各个工艺参数之间的交互作用；针对四个显著性因素,利用田口实验法进行多水平实验,确定了各个因素对实验指标的影响趋势；由于影响趋势较为复杂,在增加各实验因素的水平进行第二次田口实验后,确定了对于翘曲变形量和体积收缩率的最优工艺参数组合。基于BP神经网络,建立了注塑成型工艺参数与质量指标之间的映射关系。使用田口实验所得数据样本对BP神经网络进行训练,对比了不同的学习算法和隐含层节点数量对网络泛化能力、网络训练时间、网络训练次数的影响,最终获得了能够预测注塑成型质量的代理模型。CAE、DOE和人工智能的应用,可以协助设计者在设计阶段考虑到各种可能出现的问题,及时对设计方案进行改善,提高了设计效率,节约了设计和生产成本,提高了注塑制品成型质量。