优选注塑成形工艺参数一直是广大模具设计人员关注的问题，传统的CAE软件虽然可以在计算机上仿真出指定工艺条件下的注塑成形情况，但无法自动对工艺参数进行优化。CAE软件使用人员必须设置不同的工艺条件进行多次CAE分析，并结合实际经验在各方案之间进行比较，才能得出较满意的工艺方案。同时，在对零件进行CAE分析后，系统会产生有关该方案的大量信息(制品、工艺条件、分析结果等)，其中分析结果往往以各种数据场的形式出现，要求用户必须具备分析和理解CAE分析结果的能力，所以传统的CAE软件是一种被动式的计算工具，无法提供给用户直观、有效的工程化结论，对软件使用者的要求过高，影响了CAE系统在更大范围内的应用和普及。针对以上不足，HSCAE 3D软件在原有CAE系统准确的计算功能基础上，把知识工程技术引入系统的开发中，利用人工智能所具有的思维和推理能力，代替用户完成大量信息的分析和处理工作，直接提供具有指导意义的工艺结论和建议，有效解决了CAE系统的复杂性与用户使用要求的简单性之间的矛盾，缩短了CAE系统与用户之间的距离，将仿真软件由传统的“被动式”计算工具提升为“主动式”优化系统。HSCAE 3D系统主要将人工智能技术应用于初始工艺方案设计、CAE分析结果的解释和评价、分析方案的改进与优化3个方面。

    三、在基于知识的仿真系统中主要采用的优化方法：

    (1) 基于实例推理的优化。主要应用于具有离散取值空间的成形工艺初始设计。制品形状和浇注系统结构采用编码方式，而尺寸信息采用特征参数描述。在对以往成功工艺设计的收集和抽象的基础上，建立以框架形式描述的实例库索引和检索机制。

    (2) 基于人工神经网络的优化。对工艺设计中如注射时间、注射温度这样具有连续取值空间的参数，采用基于人工神经网络的方法来优化。利用优化目标函数并在一定的优化策略下，得到优化系统确认的最优参数。

    (3) 基于规则推理的优化。主要用于对分析结果的解释和评价。本系统所建立的专家系统规则库是以注塑模领域的专家知识为基础的，涵盖了有关短射、流动平衡、熔体降解、温差控制、保压时间、许可剪切应力、剪切速率、锁模力等方面的知识，在对计算结果进行分析和提炼的基础上，驱动专家系统进行推理，对成形方案进行分析评价，并给出具体的优化改进建议。