注塑成型是一个高度非线性、多参数相互作用且具有时变性的复杂过程，制品结构千变万化，成型材料性能各异，工艺参数种类繁多。针对注塑成型制品缺陷成因求解的不确定性与模糊性，以及工艺参数决策所存在的主观性、不精确性，本文综合运用案例推理(CBR)、规则推理(RBR)、模糊推理(FR)和模糊神经网络(FNN)等多种人工智能技术，完成了注塑成型制品缺陷诊断及工艺智能决策系统的研究开发。　　首先，在对相关理论进行深入研究的基础上，对系统的总体结构、知识库的设计以及推理流程进行了相应的分析探讨，建立了本智能系统的总体框架。　　在系统实现的关键技术方面，提出了一种基于案例推理的注塑成型工艺参数智能决策方法，详细阐述了案例表示、检索、重用以及修正等CBR关键技术在注塑成型工艺决策中的应用，特别结合灰色关联理论提出了一种新的相似度计算方法，提高了案例检索的效率和准确性。另外，基于RBR和Mamdani模糊推理进行了注塑制品单缺陷成因判定和工艺参数智能决策优化，详细阐述了模糊推理用于优化注塑成型工艺参数的整个过程。同时，结合模糊神经网络技术对注塑制品多缺陷成因进行判断、推理以及相应工艺参数优化，较好地解决了注塑成型多缺陷分析诊断所存在的不确定性因素及模糊性问题。　　基于上述理论及人工智能系统语言Prolog，开发了注塑成型制品缺陷诊断及工艺智能决策系统，具备了处理不确定性与模糊性问题的能力，能够实现系统的各模块功能，并进行了相关的实例验证。结果表明，此系统可应用于注塑成型制品的缺陷诊断以及注塑成型工艺参数的决策优化，具有较好的推广应用前景。