注塑制品已被广泛应用于电子、航天航空、汽车等领域。随着人们生活水平的提高,越来越关注注塑制品的质量问题。而注塑成型是一个非常复杂的过程,其制品的质量受很多因素的影响,如材料、模具和注塑成型时的工艺参数等。由于工艺参数影响着熔体的流动状态,对制品的影响最直接。因此,为了得到较好的制品需选择最佳的工艺参数。本文应用CAE技术对某货车保险杠的成型过程进行数值模拟,同时进行翘曲和体积收缩分析,获得最佳的工艺参数。论文主要内容如下：首先,利用注塑成型分析软件Moldflow建立了汽车保险杠有限元模型。基于数值模拟技术和正交试验,分别研究了五个工艺参数对保险杠的翘曲变形和体积收缩变形的影响,并通过方差分析得出各工艺参数对保险杠翘曲变形影响的大小顺序依次为保压时间、保压压力、注射时间、熔体温度、模具温度；影响体积收缩变形的因素依次为熔体温度、注射时间、保压时间、模具温度、保压压力；最后根据正交试验分析结果分别得到了减小翘曲变形和降低体积收缩率的最佳工艺参数组合。其次,本文结合正交试验和灰关联分析法,选取熔体温度、模具温度、注射时间、保压时间和保压压力为实验因素,翘曲值和体积收缩率的值作为制品质量指标。以灰色关联度作为评价因子,计算正交试验各组工艺参数在不同水平下的平均灰关联度,平均灰关联度的值越高说明此因素水平的综合质量越好。分析结果得出,优化后的翘曲值与正交试验数据中的最小值相差0.245mm,不是很大,但体积收缩率的值下降到11.98%,改善了制品的综合质量。最后,本文建立一个满足实验精度要求的RBF神经网络模型和支持向量机(SVM)模型,通过对样本的学习和训练及利用测试样本对网络检验,得出：RBF神经网络模型预测值的绝对误差百分比在10%以内,SVM模型预测值的绝对误差百分比在2%以内,由此表明,SVM模型的拟合度更好,精确度更高,更适合处理小样本数据。将精度高的SVM模型与正交试验、灰关联分析法结合,对前面获得的较好的参数组合进一步优化,将进一步优化的参数组合通过Moldflow软件进行模拟验证,翘曲值和体积收缩率的值得到进一步地减小。通过汽车保险杠实例验证表明,本文所用的优化方法能有效完成多目标工艺参数优化。同时通过训练好的SVM模型可以替代Moldflow软件去预测实验指标,能有效缩短优化工艺参数时间,提高开发效率,对实际生产具有一定的指导意义。