注射成形是一个复杂的过程,影响最终的制品质量的因素也很多,因此很难利用理论公式分析和纠正注射制品缺陷产生的原因。目前,制品缺陷的修正主要通过工艺人员的经验利用“尝试法”实现的。制品质量与工艺参数间的关系是非线性、时变性的,考虑到人工智能在处理若理论、强经验问题上有很大的优越性,越来越多的科研单位尝试将智能化算法应用到缺陷修正。模糊推理算法即为人工智能算法的一种。根据工艺人员的试模思路,本文设计开发了缺陷修正系统。缺陷修正系统的核心部分为模糊推理模型,该模型主要由模糊化、模糊推理和反模糊化三部分组成。系统的输入为从用户反馈的缺陷程度和由采集系统获得的实时机器参数。在完成冲突消解后,系统进行模糊推理输出机器参数修正值。模糊推理是基于知识的,在推理过程中需要用到隶属度、推理规则等数据,本文也描述了如何建立该系统的知识库。为使得缺陷修正系统能够实时、自动获得机器参数,本文设计并实现了信号采集系统。本文描述了采集系统的整体结构、硬件系统和软件系统的设计。采集系统还可以为工艺人员提供准确的注射机的各项运行信息,从而便于工艺人员提高制品质量。为便于准确的对注射曲线做出周期判断,本文详细描述了基于PSO粒子群算法的曲线拟合和周期判断的实现,并获得了较好的效果。缺陷修正系统在工作过程中需要用到大量的数据,为了更好的存储、管理和读写这些数据,本文论述了系统数据库的整体设计、数据表、表间关系及数据库的定义和实现。系统数据库包括九个数据表,采用MySQL软件建立、实现和管理数据库。为便于系统的移植,本文描述了在Linux系统下数据库的实现过程,并通过实验验证了数据库读写的有效性,为以后系统的移植打下了基础。