在精密注射成型领域，利用CAE技术从充填工艺参数的角度来控制具有复杂模具型腔制品的最终成型质量已经是一种十分重要的手段。由于充填过程的复杂性及高聚物熔体流动的不稳定性，如何设计出更优化的工艺参数(如注射压力、充填时间、注射温度、注射速率)，始终是困扰充填过程CAE研究者的难题。如何把现代优化设计理论与CAE技术相结合，运用于聚合物成型加工，已经成为目前成型加工和模具优化设计的热点研究问题。 对于充填过程，熔体前锋面速度MFV(Melt-Front-Velocity)的不一致将导致制品产生不均匀收缩、非一致取向和翘曲变形，如何控制MFV是目前精密注射成型研究的主要课题。本文从控制注塑机螺杆速度的角度出发，以CAE模拟出的MFA-Fill time曲线为基础，通过恰当地选取控制时间点，同时改变相应时刻的注射流率，从而使熔体前沿面的推进速度得到改善，进而实现了MFV在充填过程中的均一化。 MFV优化问题是基于充填过程的数值模拟，利用遗传算法实现的。对充填过程的数值模拟使我们可以方便地得到型腔中各时刻的压力场分布，以及每一时刻的前沿面推进位置、形状和对应的前沿速度，这些数据为优化的展开提供了直接依据。遗传算法具有不依赖问题模型的特性、全局最优性、隐含并行性、高效率及解决不同非线性问题的鲁棒性等多种优点。对于MFV优化这一非线性、多目标的规划问题，采用遗传算法来求解，最终证明了其出色的求优功能。 本文针对MFV优化问题的求解，进行了包括资料检索、工程分析、理论分析、选定求解方案到具体的程序实现等一系列的工作，主要内容如下： 1．在对复杂型腔充模流动过程进行深入分析的基础上，将该最优化问题进行了两步求解的划分。首先在MFA-Fill time曲线上确定出分段控制点(时间)和控制段数，然后再优化出各控制点处的注射流率。根据这一思路，分别构造出了符合问题实际的数学模型(目标函数和约束条 郑州大学硕十学位论文件）。 2．在充填模拟的基础上，采用遗传算法对该规划问题进行了求解。基于MFV优化问题的特点，采用了实数编码方式对染色体进行了编码，在复制过程中，提出一种新的子代的复制规则，从而有效避免了早熟现象。经复制、交叉、变异等运算过程，优化得到了全局最优的控制点位置和控制点流率。 3．从MFV优化的实例结果来看，对于形状复杂注塑件的充填模拟，优化后其目标值一般都能下降50％－70％左右，而优化所用时间一般都不会超过5秒。 4．编写了熔体前沿速度优化的应用程序。该程序采用VC＋＋编写，在运行时采用多线程机制，将流动分析和遗传算法两大模块进行了功能上的封装，并有机结合在一起为优化主线程服务；在界面上采用MICrOSOftMFC平台提供的标准界面，对生成的文档进行了序列化，使文档操作标准化；对优化结果进行可视化处理，使用户可以方便地参与优化过程并及时查看优化的中间和最终结果。由于开发模式上的差异，该程序不仅改善了CAE软件的模拟功能，而且在操作上也更加方便化、实用化。同时还对充填过程数值模拟的实现软件Z－fi。W进行了改善。