自动钻铆设备可以提高铆接效率和铆接质量，应用日益广泛。但由于自身结构刚度有限，钻铆机在压铆过程中受压铆力作用产生弹性变形，造成铆杆和顶杆末端位姿误差，影响压铆质量，本文将该误差称之为钻铆机刚度误差。　　通过介绍自动钻铆技术的研究背景，指出了保证铆接质量的重要性。通过分析国内外自动钻铆设备发展现状和设备刚度研究现状，为填补现有研究空白，确定了本文主要研究对象为卧式双机联合自动钻铆机，主要研究内容为钻铆机刚度误差对压铆质量的影响以及钻铆机工作空间刚度误差建模，建模方法为RBF神经网络，主要研究方法为有限元数值模拟结合实验验证。　　实现压铆过程建模。基于铆接技术要求，确定铆钉和壁板配合关系和理论镦头直径。选用压铆载荷计算公式，根据理论镦头直径，计算得到理论压铆位移和压铆力。使用刚体铆杆和顶杆代替钻铆机，完成压铆过程有限元仿真，验证压铆载荷计算公式的正确性，以此作为弹性设备压铆仿真对照的基础。通过多组规格铆钉-壁板压铆过程仿真，验证了压铆载荷计算公式的适用性，可根据铆钉-壁板规格使用该公式完成压铆工艺参数计算。　　实现自动压铆系统建模。基于卧式双机联合自动钻铆机，分别建立了在位移载荷和力载荷下“内铆头侧钻铆机-铆钉-壁板-外铆头侧钻铆机”闭链多体系统耦合压铆过程有限元模型。通过分析仿真结果并与第2章刚体设备压铆结果进行对比，指出了位移载荷和力载荷作用下压铆效果的差别，并揭示了压铆过程中自动钻铆机、铆钉和壁板的变形规律，进而提出了一种压铆位移补偿方法。通过多组铆钉-壁板规格下的有限元仿真结果，验证了压铆位移补偿方法的适用性。　　实现刚度误差建模。基于自动遗传算法优化的径向基神经网络(AGA-RBF)建立了工作空间刚度误差分布模型，通过正交实验结合全排列选取钻铆机若干位姿进行刚度误差采样，使用采样数据对神经网络进行参数训练。另外选取若干组钻铆机位姿，验证神经网络的泛化能力。通过该模型，分析了钻铆机位姿对其刚度性能的影响规律，指出了刚度较优和较差的工作位置。　　实验验证。选取实验过程中的测量特征与测量方法。通过对比实验数据与数值模拟结果，验证了数值模拟模型的正确性。选取若干组钻铆机位姿，根据刚度误差神经网络模型预测值进行压铆实验，验证了使用刚度误差神经网络进行离线压铆位移补偿的可行性。