气辅成型是近几年发展起来的一种新型塑料加工技术，具有可提高产品表面质量、增加制品强度、减少翘曲、降低成本等优点。由于成型过程增加了气体因素，使其工艺较传统注塑更为复杂。如何筛选出对成型过程有重要影响的工艺参数并进行优化配置以获得满意的制品质量是目前该领域的一大难题。根据目前国内外气辅成型工艺优化的研究现状，本文提出基于神经网络结合遗传算法(NN-GA)的智能多目标优化方法，用于工艺参数最优组合选取的求解，为成型过程工艺参数的优化提供新的解题思路。本文主要研究工作如下：1、综合考察及评价多个工艺参数对成型制品质量的影响，归纳总结气辅制品常见缺陷产生的机理并探讨相应的解决方法。2、利用基于试验统计分析结合数值模拟的方法进行工艺参数初步优化。选取成型过程中影响较大的几个工艺参数为优化对象，选定气辅制品的几个质量指标作为考察目标，通过安排正交试验得出各个工艺参数对质量指标的影响程度，并分析求得一组较优工艺参数组合。3、建立气辅成型工艺参数与制品质量指标关系的RBF神经网络模型。以正交试验得到的较优参数组合值为依据，按均匀设计思想选取学习样本数据训练网络。构建的RBF网络模型用于遗传算法优化过程中目标函数值的快速求解。4、选择NSGA-Ⅱ多目标遗传算法策略，结合建立好的RBF神经网络模型，应用遗传算法进行多目标迭代优化获得工艺参数的Pareto最优解集并实现其组合值的最优化设定，最后通过数值模拟表明了本文基于NN-GA智能多目标优化方法用于气辅成型工艺参数优化的可行性及有效性。