碳纤维复合材料（Carbon fiber reinforced composite,简称CFRP）具有高强度、轻重量等优点,广泛的应用于航空航天、电子、机械化工、汽车和运动器材等领域。注塑成型是碳纤维复合材料的重要成型方式之一,其中工艺参数的选择对塑件的质量影响极大。工艺参数选取不当会产生短射、缩痕等缺陷,现在实际生产中,技术人员根据个人经验调试,这种方式的主观性和随意性较强,且效率低下。针对生产中企业对塑件的力学性能、表面质量和成型效率等质量目标的侧重点不同,需要确定不同的优化工艺参数。本文针对以上问题,应用数值模拟技术、组合优化策略,层次分析法和BP（Back Propagation）神经网络耦合算法建立优化模型进行研究,同时进行相关实验验证。取得的成果如下:（1）基于数值模拟CAE技术,在考虑CFRP注塑特点的基础上设计浇注系统和冷却系统,设定材料属性及工艺参数值后,构造CFRP标准拉伸件注塑工艺模型。进行充填、保压、冷却及翘曲等注塑过程的模拟,得到分别表征力学性能、表面质量和成型效率等质量目标的剪切模量、翘曲值和冷却时间,并对出现的缺陷进行理论分析。（2）根据CFRP注塑工艺优化特点选用正交实验方法进行采样,设计L₂₅（5⁴）的标准正交表,并对各方案进行数值模拟完成样本空间的构建。利用层次分析-BP神经网络组合优化策略对CFRP注塑工艺进行多质量目标优化,首先根据层次分析法确定剪切模量占权0.23,翘曲占权0.648和冷却时间占权0.122;随后设计4-7-1的三层BP神经网络结构对注塑工艺参数进行优化与预测,得到工艺优化结果:熔体温度310℃,模具温度130℃,注射压力170MPa和注射时间0.55s。（3）以CFRP标准拉伸件为例进行注塑成型工艺多目标优化的验证,从注塑生产、表面质量检测以及力学性能测试三个方面进行实验获得不同工艺方案下的质量指标结果。结果分析表明优化工艺参数工况下,塑件的成型效率虽未均达到局部最优,但总体评价指标达到全局最优,证明层次分析-BP神经网络组合优化实现CFRP注塑成型工艺的多质量目标优化方法的可靠性。