注塑成型是塑料加工最普遍的成型方法。随着工业的发展以及注塑成型技术的广泛应用,塑料制品的使用已经几乎渗透到各个行业中。塑料制品的广泛使用使得生产厂家对塑料制品质量愈来愈重视。翘曲变形是影响塑料制品质量最重要的因素之一,故可以通过改善塑料制品的翘曲变形量来保证塑料制品的质量,翘曲变形量的改善可以通过调整浇注系统和成型工艺参数。因此,浇注系统和成型工艺参数的优化具有实际的工程应用价值。本文以框形零件为研究对象,基于大量的试验数据和数值模拟分析的方法,结合Moldflow、正交试验法(Orthogonal Experiment Method)、人工神经网络(Artificial Neural Network)和遗传算法(Genetic Algorithm),对塑件制品质量的提高进行深入研究。首先,根据浇注系统建立的原则,对框形零件建立了不同浇注系统的成型方案,利用Moldflow软件对不同的成型方案进行模拟分析。对框形零件不同成型方案的模拟结果进行比较,得出了最优的成型方案,即得到框形零件优化的浇注系统。其次,对引起框形零件翘曲变形量的成型工艺参数进行研究,通过正交试验表和方差分析的方法确定了要研究的成型工艺参数,选取影响框形零件翘曲变形量的成型工艺参数:模具温度、熔体温度、保压压力和保压时间,每个成型工艺参数选取了4个不同水平值。结合正交试验表L16(44)对4因素4水平的试验进行分析,并对试验数据处理得到了所进行试验安排中的最佳工艺参数组合。并且描述了各个成型工艺参数对翘曲变形量的影响规律。本文结合BP神经网络和遗传算法在所选成型工艺参数全局范围内找到最佳成型工艺参数组合,为了能够建立稳定可靠的BP神经网络,对4因素4水平的试验进行全组合试验,共得到44=256组试验数据。利用试验数据,对在算法和网络结构改进的BP神经网络进行训练并检验,检验结果证明了建立的BP神经网络可靠性。利用BP神经网络的预测性能,预测其他成型工艺参数组合下框形零件的翘曲变形量,结合预测的翘曲变形量分析了成型工艺参数之间的交互作用对翘曲变形量的影响以及各个成型工艺参数对翘曲变形量的影响。最后,利用遗传算法在全局范围内搜索最优解的能力,结合框形零件的实际模型和试验结果,确定与之相适的遗传算法各参数,并结合已建立的BP神经网络,在各设定的成型工艺参数范围内搜索最优成型工艺参数组合,最终优化结果与试验值的比较显示了遗传算法在全局范围内搜索成型工艺参数组合的正确性。研究表明,浇注系统和成型工艺参数的优化对翘曲变形量的改善效果显著,使得框形零件的翘曲变形大大降低,有效地提高了框形零件的质量。除了能够减小翘曲变形量之外,还能够降低塑件制品的生产成本,提高竞争力。