到目前为止,复杂机械产品的质量问题一直受制造类企业的关注。复杂机械产品制造过程中的质量预测已经成为保证产品质量的基本方法。然而,随着移动互联网、大数据和其他新兴工业信息技术的快速创新和不断发展,复杂机械产品的制造过程中出现了一些新的技术问题,复杂机械产品质量预测的研究成为国内外学者研究的热点,本文主要针对复杂机械产品质量预测水平进行研究与实践。复杂机械产品制造模式通常分为单一和小规模批量生产两种模式,并且生产工艺和设备制造加工过程复杂,原材料和产品返工成本过高,合格和不合格产品的数量差异很大。鉴于其质量特征数据集的高维度,小样本和不平衡的特点,本文提出一种基于改进的DA-XGboost复杂机械产品的质量预测模型,使用复杂机械产品的质量数据来预测产品的质量,从而解决复杂机械产品质量不合格带来的质量损失和返工风险。首先,针对复杂机械产品的质量特性数据集的特点,采用高斯混沌映射算法与二进制蜻蜓算法相结合,提出改进蜻蜓算法对复杂机械产品质量数据集进行识别,识别出关键质量特性集,减少其质量特性集,降低质量预测的复杂度;其次,构建基于改进DA-XGboost的复杂机械产品质量预测模型,对复杂机械产品质量进行预测,并对其进行仿真和实验比较;最后,通过仿真实例验证,本文采用的改进型蜻蜓算法在特征选择上得到了改进,改进后的算法可以有效地识别复杂机械产品的关键质量特征,提高特征的稳定性,减少质量特征数据集的维数。在预测复杂机械产品的质量方面,尤其是高维,小样本数据集时,采用基于CDA-XGboost的质量预测模型要优于基于CDA-SVM的质量预测模型,XGboost更适合用于复杂机械产品质量预测。