摘要：汽车外饰件的塑料化趋势对注塑模成型质量提出了更高要求。为解决传统CAE方法需多次试验才能得到较优工艺的缺点，以一汽车观后镜为研究对象，建立了基于人工神经网络的从注塑工艺参数到注塑翘曲量的非线性映射关系，并对比了两种经典的前馈神经网络（BP网络和RBF网络）的学习能力，从而实现用神经网络模型代替CAE软件获得注塑翘曲量。研究结果表明，该方法能有效地缩短优化工艺参数的时间，提高了工艺设计效率。

关键词：bp神经网络 rbf神经网络 moldflow 翘曲 工艺参数 

单位：浙江大学机械与能源工程学院 浙江杭州310027 浙江万达汽车零部件有限公司 浙江杭州311258