随着微成型技术的日益成熟,微型塑件和具有微结构的常规塑件得到越来越广泛的应用。作为注塑成型技术一个新的分支,微注塑成型进入了快速发展的阶段。国内外已有大量的学者开展了研究工作,并取得了一定的成果。但是关于微注塑的成型机理及注塑成型缺陷理论尚需进一步的深入研究,以期建立微注塑成型工艺规范。本课题选取微注塑领域一类具有典型微结构特征的塑件——微流控芯片作为研究对象。微流控芯片的成型过程为芯片基体常规注塑与微结构特征微注塑成型的耦合,因此成型的微流控芯片既存在宏观缺陷,也存在微观缺陷。论文首先提出了可能出现的宏观缺陷,分析了其产生机理,并从工艺设计上提出了改进意见;然后分析了微注塑与常规注塑存在的内在差别及由此衍生的塑件微观质量缺陷,从机理上加以说明,并提出了微流控芯片成型质量的评价指标——由微通道开口宽度值来衡量。针对微型结构成型的特点设计了一套用于成型微流控芯片的模具。实验获得的微流控芯片,在厚度方向上的某一指定位置进行切片,显微镜下观察微通道的成型形状并拍照。采用Matlab编写的程序对微通道截面图片进行轮廓提取,然后用Matlab图像处理工具测量其开口宽度。分别通过软件模拟和BP神经网络的方法,寻找注塑成型工艺参数与微流控芯片成型质量之间的关系。借助Moldflow软件,在选定的工艺参数下对注塑过程进行模拟,在模拟结果中获取切片截面处的压力值,分析得知,压力值越大,微通道成型质量越好,但此法只做定性预测。BP神经网络法是借助于Matlab软件,以工艺参数中的模具温度、熔体温度、注射压力、注射速度和保压压力为输入,以实验测得的微通道的开口宽度为输出,创建BP神经网络并对其进行训练,直到BP神经网络的拟合精度满足使用要求。以此模型预测的微通道开口宽度值与实验测量值相比较,误差很小,因此所建立的BP神经网络是可行的。在实验的基础上结合相关理论建立了PMMA材料微流控芯片的注塑成型工艺规范,用于指导实际生产。