陈 资 陈春雨 张根保

(①广东理工学院工业自动化系，广东 肇庆 526100；②重庆文理学院机械工程学院，重庆 402160)

数控机床是现代装备制造业的“工业母机”，其质量和可靠性很大程度上反映了一个国家工业技术发展水平和市场竞争力。针对国产数控机床长期存在由于装配不佳导致的故障频发问题，提高数控机床装配合格率有着重要意义。针对装配质量预测这一领域，国内外专家学者开展了大量学术研究，目前研究主要分为两类：一类是基于统计过程控制(statistical process control，SPC)的传统质量预测方法研究，另一类是基于人工智能算法的质量预测方法研究。

基于SPC的传统质量预测方法研究，一般通过建立数学或物理模型来实现质量预测，其主要包括线性回归预测法、时间序列预测法等。张洪和万方华等[1-2]建立轴承特性与零件几何要素间关系的数学模型，并利用偏最小二乘回归法对轴承装配质量进行控制与预测；刘银华等[3]基于偏最小二乘回归预测模型，实现对车身产品检测条件下的装配质量预测与控制；韩卫军等[4]以petri网-THOR网为基础，建立了机器人装配系统装配质量预测模型。

随着人工智能技术的迅速发展，基于人工智能算法的质量预测方法受到国内外研究人员广泛关注，其主要包括灰色预测模型、人工神经网络(artificial neural networks,ANN)预测模型、BP神经网络预测模型、支持向量机(support vector machine,SVM)预测模型等以及不同算法的整合模型。张根保等[5]先用灰熵关联分析找出关键装配特征，然后通过PSO-BP组合预测模型进行产品装配质量的预测；……