发动机装配是汽车发动机制造过程中的关键环节,装配生产线中布置着大量传感器和电子检测设备,用以采集装配过程、质量检测过程中的各种工艺参数以及发动机性能指标,在工业大数据背景下,充分利用这些生产数据并提取其中有效价值应用于发动机生产装配过程能够有效提高生产效率和发动机下线合格率。本文所研究内容以发动机装配生产线工艺数据和发动机性能检测数据为数据基础,首先通过对发动机装配生产线技术与性能的关联关系的研究得出其相关体系并建立相关性模型,采用皮尔逊相关系数方法对排气压力和缸体扭矩等主要性能检测项进行分析计算,判断出各个工位工艺参数对发动机质量及性能的影响程度,进行显著性检验和基于最小二乘法的曲线拟合找寻关键影响因素;其次,使用关键影响因素数据和发动机质量检测数据采用ElasticNET弹性网络算法和人工神经网络算法对发动机性能表现进行预测,并通过均方误差和解释方差评价模型效果,通过发动机装配工艺参数的调整保障发动机下线性能表现的可控性,实现发动机性能表现的前馈控制;然后采用基于Spark框架的大数据分析方法,设计发动机装配流程中的生产数据采集及存储方案并实现数据的分布式存储,设计应用于工业生产中的大数据并行分析预测系统;最后,通过需求分析、软件架构设计、软件功能设计、数据库设计、软件详细设计及软件测试,实现了发动机大数据预测分析及性能保障软件系统的设计、开发及应用。