注塑制品的质量受多种因素的影响，而且，注塑间歇过程还具有典型的多时段、复杂非线性、动态多变量等特性，这使得制品质量与过程变量之间的关系比较复杂。在实际生产中，制品质量的反馈是通过实验室工作人员定期抽查制品来完成，其控制主要由操作工人依靠经验调节设置点来实现。目前，制品质量闭环控制的最大困难是制品的质量属性不能在线测量，这已成为质量闭环控制的一个难点。 本文针对注塑间歇过程的特点进行了质量预测研究，主要完成了以下工作： 在阅读大量国内外参考文献的基础上，对注塑成型过程进行了深入分析，研究了成型过程中各时段过程变量对制品质量的影响关系。 针对多时段特性，提出了基于子时段的滑动窗口多方向部分最小二乘(Multiway Partial Least Square．MPLS)重量预测方法，子时段划分后，确定与重量最相关的子时段，在该子时段滑动窗口内建立重量预测模型，构建了动态多模型结构，以克服传统MPLS模型静态单一，在线预测时预估未来测量值的缺点，应用结果表明了所提出方法的有效性。 针对注塑间歇过程比较复杂的非线性特性，提出了基于子时段的非线性重量预测模型，有效利用MPLS方法处理高维、高度耦合数据的能力和广义回归神经网络(General Regression Neural Network，GRNN)，在样本数较少且多维的情况下，具有较强的非线性逼近功能。对产品重量进行预测应用研究，应用结果表明了该方法是比较有效的。 针对注塑间歇过程由于某些干扰(如原料波动或设备性能等变化)引起的批次与批次之间的较强的相关性，提出一种基于子时段的动态重量预测方法，该方法将多方向主成分分析(Multiway Principal component analysis，MPCA)和子空间辨识(Subspace Identification，SI)有效地结合，主要利用MPCA方法去除子时段三维数据展开后的冗余性，采用子空间辨识法，辨识反映批次间相关性的随机状态空间模型。通过对注塑制品重量的预测研究验证了该方法的有效性。 在前面提出的具有不同特点的重量预测方法的基础上，设计了重量闭环控制系统，经过仿真测试验证了该闭环控制系统是比较有效的。重量闭环控制的实现，可以生产出重量一致均匀的产品，具有较大的经济意义。