注塑成型是将受热融化的塑料原料高速注入封闭模腔,经冷却固化,得到成型制品的方法。该方法可以适用于形状复杂塑料制品的批量生产,是重要的塑料加工方法之一具有生产产量大、废料少、重复精度以及自动化程度高的特点。如何设定注塑过程参数使用户关心的制品质量指标达到最优,是实际生产中最为关注的问题。而这些质量指标,往往受到注塑成型过程中各阶段的生产过程参数综合作用的影响。在目前注塑成产中,往往通过人工试模的方法来确定满足要求的生产过程参数,而且这些参数多半都处于开环控制状态,即便是采用闭环控制的参数,其控制的响应时间和稳态精度,也很难满足高质量注塑制品的生产需求。因此,本文将针对注塑成型生产过程参数的优化和控制,两个方面展开研究,旨在为实现高质量和高重复精度的注塑制品生产,建立有效且实用的过程参数控制方法及优化策略。下面分别介绍本文在这两个方面的主要研究内容。注塑成型过程参数控制方面：(1)根据料筒温度特性和控制要求,采用了在料筒加热启动阶段使用基于时间最优控制(TOC)的开环控制,而在温度稳定阶段使用自适应多变量广义预测控制(MGPC)的策略对料筒多段温度进行控制。TOC可以使温度以最快的时间,很小超调的上升到预先的设定值；而MGPC可以提高料筒温度控制的稳态精度,两者相互配合实现了较好的控制效果。(2)根据注射速度特性和控制要求,采用了迭代学习控制(ILC)作为前馈,比例控制作为反馈的组合控制策略对注射速度进行控制。针对应用ILC控制在批次方向上出现的坏的学习瞬态,这里采用了零相位滤波技术来对ILC前馈信号进行处理,从而得到了单调递减的学习瞬态,最终实现了注射速度的精确跟踪。(3)针对注射保压(V/P)切换点设定问题,提出了基于小波分析奇异点检测原理的V/P切换点检测方法,该方法抓住了模腔压力在切换点陡然上升的特征,可以实时准确的对切换点进行在线判断,具有受注塑工况变化和信号噪声影响小、自动化程度高的特点。注塑成型过程参数优化方面：(1)针对注射速度设定曲线优化问题,首先提出将模腔入口压力随时间线性上升作为注射速度曲线的优化依据。随后建立了模腔压力与注射速度之间的递归神经网络(RNN)模型,为注射速度曲线的离线优化打下基础。之后提出了注射速度自动分级和速度参数分步迭代寻优的优化策略,实现了注射速度的离线优化。最后针对RNN模型失配导致离线优化结果失效的问题,采用对注射速度曲线进行在线校正的方法,来使模腔压力输出批到批的逐次靠近压力设定曲线。(2)针对保压压力设定曲线优化问题,以及实际中可能出现的单目标和多目标优化情况,采用基于统计提升准则的迭代优化方法来实施优化,该准则是通过kriging替代模型得到的。在单目标优化中,提出了一种基于期望提升函数的多加入点提升准则,它在适当增加试验次数前提下,同时提高优化方法的寻优精度和获得全局最优解的可能性,随后将该准则应用于以制品收缩均匀度为指标的保压曲线优化；在多目标优化中,将Pareto期望提升准则应用于寻找使制品收缩均值和均匀度都达到最优的过程参数设定,同时针对应用中存在的阻碍Pareto前沿提升的奇异点,提出了一种数据预处理方法来消除这种负面影响。上述两个应用结果都表明,基于统计提升准则的迭代优化方法,可以通过少量的试验次数使优化结果得到显著提升。