注射成形作为一种重要的塑料加工方法,广泛应用于消费电子、交通运输、仪器仪表等国家支柱产业,以及国防军事、航空航天等国家战略领域。工艺参数是影响注射成形产品质量与成形效率的最关键因素。传统工艺参数设置主要依靠操作者有限的经验和简单的计算公式进行反复的“试凑”,存在着周期长、费用高、产品质量难以保证的问题。本文以注射成形工艺参数为研究对象,系统的开展了工艺参数初始设置、成形缺陷自动修正、稳定生产、以及工艺参数移植四方面的研究,突破了技术瓶颈,取得了一系列原创性成果,实现了注射成形工艺参数智能设置与优化系统的工程化应用。主要研究工作和成果如下:针对工艺参数初始设置中模具成形特征表征难的问题,提出了一种采用注射位置处压力曲线来表征模具成形特征的工艺参数初始设置方法。采用注射位置处压力曲线作为注射实例的问题描述,获得合格制品的工艺参数作为实例的解,采用实例推理技术来获取初始工艺参数。典型案例表明,相比传统的采用最大流长、平均壁厚等人工提取特征的表示方法,本文所提出的方法能更好表征模具成形特征之间的微小差异,具有更高的检索精度。针对缺陷修正过程中专家知识表征与进化难的问题,提出了一种基于规则引擎的模糊推理方法。通过缺陷与工艺参数的模糊化、建立基于知识库的模糊规则推理引擎,实现推理过程与知识逻辑分离,对多个缺陷采用“分而治之”,对不同缺陷的修正要求所提出的不同调整量进行冲突消解与合并,并充分考虑推理知识的优先级和推理历史,有效解决了成形缺陷与工艺参数强耦合、非线性、制品成形缺陷难消除的问题。针对量产时产品质量稳定性差的问题,提出了一种新的小样本工艺参数优化方法。通过对试模获得的样本数据进行建模,获得最大成形工艺窗口,从而实现面向稳定生产的工艺参数优化。典型零件的实验结果表明,与传统模糊推理方法相比,本方法优化后的成形加工能力指数从0.52提高到3.78,保证了成形过程的稳定性。针对工艺参数移植过程中工艺参数与注射机装备之间的耦合问题,提出了一种工艺参数移植的深度强化学习方法。选用型腔压力曲线作为制品质量的标准化衡量与学习目标,通过建立深度强化学习的马尔科夫决策过程模型,构建动作网络、评价网络、经验回放机制、以及专家模型,实现了设定目标型腔压力曲线的工艺参数自动设置。实验证明,与传统人工移植方法相比,该方法工艺参数设置更规范,产品质量稳定性更好。基于上述方法,开发出了塑料注射成形工艺参数智能设置与优化的软件和硬件系统。采用RS232/RS485、CAN、TCP/IP、OPCUA等多种通讯方式,实现了工艺智能系统与KEBA、伊士通、华中数控等多种注射机控制系统通讯,并在博创、震雄、海太、恩瑞德、海星、德立天等多品牌、多型号注射机上集成与示范应用。