前桥属于复杂机械装配产品,其装配过程繁多,装配工艺复杂。前桥装配过程存在误差传递及误差累积效应,众多质量控制点之间存在非线性约束关系,质量特性偏差会影响产品的最终装配质量。随着数字化信息技术的快速发展,前桥装配过程逐渐向自动化、智能化方向发展。本文旨在解决前桥装配过程偏差传递作用对产品质量的影响问题,提出了一种数字孪生驱动的质量管控模式,设计了一种基于蚁群算法广义回归神经网络(ACO-GRNN)的质量在线优化模型,从而实现装配过程的在线控制。本文研究内容如下:(1)阐述了国内外装配质量控制以及相关领域的研究现状,分析前桥装配的工艺流程及特点,提出数字孪生驱动的质量管控模式,同时介绍了前桥装配过程质量控制应用的关键使能技术。(2)通过对人工神经网络的分析,选用GRNN作为前桥装配质量在线优化的基础预测模型。构建GRNN优化改进问题的数学模型,将蚁群算法与GRNN进行融合,利用蚁群算法鲁棒性和并行性等特点对GRNN光滑因子向量进行寻优,设计ACO-GRNN模型。通过仿真实验验证了基于蚁群算法的改进广义回归网络预测模型的可行性。(3)以某轻卡前桥装配过程控制为例,结合前桥装配特点,搭建了软、硬件架构,设计数据库结构,运用开发工具开发了数字孪生驱动的前桥装配质量管控系统,通过实际质量过程控制验证了系统的实用性。