长期以来,注塑模冷却系统的设计主要采用传统的方法,冷却管道的布置和冷却参数的确定往往在设计的最后阶段凭设计者的经验和直觉进行,缺乏理论依据和科学的计算方法,往往导致模具成型效率低,塑件的质量也难以保证。如果能将AI技术引入冷却系统设计,将以往成功的实例按一定的方式组织起来,形成冷却系统设计的专家系统,必会对注塑模设计产生重大影响,因此在冷却系统中引入CBR技术有着重大意义。　　本文首先深入研究了注塑模设计的过程和内容,对传统注塑模设计方法中存在的问题进行了分析,对新一代注塑模设计系统进行了讨论,并着重研究了智能化注塑模设计技术,针对注塑模设计“强经验弱理论”的设计特点,提出了基于实例推理(case-based reasoning,CBR)的冷却系统设计实施方案。　　在深入分析了CBR的技术特征及其关键技术的基础上,将CBR与其他智能技术(如基于规则推理、基于模型推理)进行了对比分析,并根据软件工程的思想建立了基于CBR的注塑模设计专家系统的总体框架。　　实例检索是CBR系统实现其功能的关键。为此,作者针对塑料制品的薄壁特点,采用基于二维多边形集相似性的方法,实现了三维模型的自动检索。它的主要思想是用一组沿着特定方向的二维切片表示三维模型,从而将三维形状间的的匹配问题转换为多边形集之间的相似性度量问题。　　另外,针对冷却系统设计特点,在实验室原有研究成果基础上,通过采用属性关联的方法,对从实例库中提取的冷却水道布置点和尺寸信息,进行修改,从而保证了设计的可靠性。　　基于上述研究工作,作者与课题组其他研究人员合作开发了注塑模冷却系统的自动设计模块,验证了所提方法的有效性。