制造质量管理和控制是ISO9000中的重要内容，制造产品的质量存在于产品整个生命周期，进行零废品生产是制造者追求的理想。本课题面向机械制造质量控制，是精密测试技术、现代测控理论、加工精度理论、计算机技术和人工智能技术相结合的产物。本论文主要内容包括三部分，一是实时在线测量方法的研究；二是在线预测控制技术的研究；三是制造质量诊断系统组成和在线测控系统工程实验的研究。绪论中，综述了质量的定义、目前普遍使用的质量控制技术和本论文涉及较多的新型智能算法。分析了在线测控系统实现的途径，包括：100%主动在线检测、制造质量信息处理和在线质量诊断等。制造质量实时在线测量技术是实现在线测控任务的基础条件和首要任务。完善的在线主动测量设备可以动态采集制造质量检测数据，一方面直接用于产品检验，另一方面为后续的制造质量在线预测控制提供有效、充足、真实的检测信息。第二章中，根据被测对象的技术特征和测量精度要求，设计了三种在线检测实验方法并研制了相应的设备。一维尺寸在线检测方法中，设计了柱形触点电感测头、自动上料机构和在线测量软件。二维尺寸在线测量方法中，研制了超长线阵CCD和光栅尺组成的高精度二维测量坐标系、光学运动平台、动态测量模式、进行了测量精度分析。分布网络式三维尺寸测量系统中，研究了统一规范的结构光传感器模型和标定方法、图像去噪滤波器、基于CAN总线的控制和通讯模式，推导了关键测量岗位条件。以上系统均已进入实用。制造质量在线预测控制技术是实现在线测控任务的重要措施。先进的在线预测控制方法可以挖掘出制造质量信息，用于实时分析制造过程踪迹，预测未来加工趋势，并提供质量超前控制途经。第三章中，分析了制造现场噪声产生的原因和性质，设计了小波分析去噪方法。对于分布网络式测量系统，可以利用观测值平均法并行处理结构进行信息融合，实现噪声环境下的信号提取。用阈值分割方法对图像信息特征进行提取。分析了时间序列构成、动态过程预测模型，研究了基于BP网络的人工神经网络预测技术。特别是提出了基于遗传神经网络的时间序列预测方法，将GA与BP算法结合起来，利用遗传算法的优点来克服BP算法收敛速度慢和易陷入局域最小点的缺陷；也利用BP算法克服单独使用遗传算法的不足之处，给出了基本算法步骤，实验证明了收敛速度的优势。制造质量诊断技术是实现在线测控任务的直接手段。简便、实用的质量诊断系统和科学算法，提高了诊断成功率和效率。第四章中，研究了在线质量诊断系统的构成，由检测数据预处理、现场检测数据库、在线检测数据自动入库模块、<WP=4>知识库和专家诊断等部分组成。用Powerbuilder8.0和Linux分别编制了现场检测数据库。分析了数据挖掘技术在制造质量测控中的应用。开发了利用Matlab Engine实现C++ Builder对Matlab功能调用和利用Matcom实现C++ Builder与Matlab语言的混合编程两种计算技术，提高了计算效率和工程应用价值。制造质量在线测控技术研究的目的是应用于工程实际，测控方法的先进性和实用性都要由实践检验，在实验中不断修正和改进，使其愈来愈可靠。第五章中，进行了两项在线测控实验。在汽车减震器轴直径尺寸在线测控实验中，设计了9×11×1网络结构的神经网络加工预报模型，预测精度达到μm级；选择分解级数5的db3小波，对误差序列进行离散小波分析，分解出趋势项和噪声。在汽车车身三维尺寸在线测控实验中，利用遗传BP算法建立了白车身加工尺寸预测模型，实验证明预测与实测值越来越接近，与测量精度匹配。为了分析问题更加直观，还设计了专家系统的图形化界面。实验证明了系统的正确性、完整性和先进性。本课题受国家自然科学基金重点项目(59735120)支持，是其中的重要研究内容