本文在对注塑成型过程及其模具技术深入研究，并结合领域专家的知识和实践经验，对注塑制品成型中常见的缺陷征兆及其成因与具体解决方案进行全面分析总结的基础上，运用模糊理论、神经网络以及专家系统技术，提出了基于模糊神经网络的注塑制品缺陷分析诊断系统技术的研究与开发。 在对由“缺陷征兆”求解“缺陷成因”过程中存在的模糊性和不确定性问题进行分析研究的基础上，构建了适合于注塑制品缺陷分析诊断的模糊神经网络模型。在神经网络的具体实现中，根据对缺陷原因的总结与分类以及多因素复杂系统推理判断的要求，将传统的单一神经网络结构分解为6个子神经网络模块，以方便问题的求解与推理，事实证明这种方法简单可行，并可使网络学习和诊断的计算量减小，有效地提高了神经网络系统的推理速度。系统以总结的缺陷征兆与缺陷成因的基本知识为基础，将领域专家解决问题的经验知识与方法转化为适合模糊神经网络学习训练的学习样本，并通过BP算法对学习样本进行学习训练，把蕴涵于样本中的知识以权值和阈值的方式存储起来，形成神经网络知识库。 对于制品缺陷原因的解决方案，由于其知识是确定的和易于表达的，因此采用基于规则的知识表示方法，将常见的制品缺陷成因与解决方案之间的关系经过归纳提取，表达为若干条规则，形成“原因—解决方案”知识库。 在实际缺陷诊断过程中，系统以神经网络知识库与规则知识库为基础，采用正向推理策略，实现了由“缺陷征兆”经过神经网络的并行推理，求解相应的“缺陷成因”，再由“缺陷成因”经过基于规则的推理，得出相应“解决方案”的诊断过程。 系统采用SQL Server2000数据库技术，建立了“缺陷征兆—原因”知识库和“原因—解决方案”知识库。同时，将塑料材料和注塑工艺条件等知识组织为相应的辅助知识库，并以数据表的形式存储于数据库中。在Delphi环境下，通过ADO数据库访问技术接口，对数据库文件进行编程与访问，实现了系统知识库的维护和管理。 最后，通过诊断实例，给出了应用本系统的过程与方法。实例的诊断结果表明系统具备较好的常见注塑制品缺陷分析诊断能力，并具有诊断速度快、准确率高的特点。