实现产品质量的一致性是塑料注射成形的最终目标。然而,注射成形过程会受到来自环境、机器、模具、材料等干扰的影响,实际工况不可避免地会发生波动,影响注射成形一致性。然而,直接针对产品质量反馈控制成形过程,将由于产品质量检测困难且反馈慢而受到限制,因此实际中采用可实现在线测量的过程参数对产品质量进行预测控制,通过对过程参数进行控制来提高产品质量的一致。本文对工况波动影响注射成形一致性的机理进行了深入探讨,主要研究工作和成果如下:(1)建立了实际工况波动下注射成形过程注射物量预测模型。针对产品质量的在线预测问题,通过详细分析工况波动影响注射成形一致性的机理,建立了基于聚合物熔体PVT性质的注射物量预测模型,并进一步分析了模型的预测精度,在理论上证明了模型的预测精度取决于注塑机的控制精度和传感器的测量精度,并建立了它们之间的定量关系。此外,基于注射物量预测模型,提出了过程参数特征——压力积分(PI),用于表征注射过程中熔体的压缩程度,PI能够有效地对产品重量的变化进行预测;与峰值压力相比,PI在监测产品重量变化方面显示出更优良的一致性和稳定性。本章建立的注射物量预测模型,为后面两章实现注射物量动态补偿与过程参数特征自学习奠定理论基础。(2)实现了比容-压力等效的注射物量动态补偿。针对工况波动中注射成形过程的不一致现象,遵循保压过程补偿注射过程的基本控制策略,提出了注射物量动态补偿方法。该方法根据实际工况,动态调节保压切换位置以及保压压力,保障在工况波动中进入型腔熔体质量的稳定。实验结果表明,在稳态工况下,注射物量动态补偿的过程能力指数由0.71提高到1.34,过程能力提高接近一倍;在非稳态工况下,注射物量动态补偿的抗外界干扰能力显著优于传统控制方法;针对不同比例的原料/回收料混合材料,产品重量的相对变化由1.2%下降至0.19%,产品一致性得到了显著改善。(3)提出了基于注射压力的过程参数特征自学习方法。针对过程参数特征的选取高度依赖人工经验的现状,提出过程参数特征自学习方法,应用注射物量预测模型对稀疏自编码器的网络结构进行解释,使得由稀疏自编码器学习到的特征具备了实际物理意义。理论上证明,网络结构输入层与隐含层单元之间的权值,可以作为衡量熔体压缩引起注射压力变化的重要指标。实验和模拟仿真结果表明,过程参数特征自学习方法可以有效地提取出注射成形过程切换点(如浇口、保压切换),重要的过程一致性指标(如黏度指数、保压压力和峰值压力)以及影响熔体流动模式的产品几何特征。本章提出的过程参数特征自学习方法为后面利用过程参数特征表征精密注射成形过程的批次间差异提供依据。(4)提出了用于精密注射成形的统计过程控制与产品质量分析方法。针对精密注射成形过程的批次差异,运用自学习的过程参数特征及统计过程控制原理,解决了定量表征注射成形过程批次差异的难题。针对多型腔精密透镜产品的型腔差异,提出了一系列型腔分布统计图,实现了更直观的型腔差异可视化方法,并针对透镜偏心差的型腔差异进行了优化,总体偏心的均方差由1.58μm减小为1.44μm(下降8.9%),提高了透镜偏心差的型腔一致性。综上所述,本文针对工况波动下注射成形一致性问题进行研究,建立了基于聚合物熔体PVT性质的注射物量预测模型,实现了注射成形过程动态补偿与特征提取,提出了用于精密注射成形的统计过程控制与产品质量分析方法,达到了降低工况波动对成形过程的影响、提高产品良品率的目的,为高精度高性能的塑料产品的批量生产提供保障。