随着我国制造业的发展,产品的质量逐渐趋向于高标准,对阀体的性能要求越来越高。装配活动是产品成型的最后一个环节,也是保证质量最重要的环节,直接决定着阀体的整体运行质量。本文结合当前阀门发展现状,以提高阀体装配质量为目的,对阀体装配过程产生的故障类型进行了深入的研究,提出了阀体装配质量评估—诊断—预测为一体的质量控制体系,并对该体系进行了深入的理论及应用的研究。论文的研究内容及创新点如下:首先,分析了阀体装配过程的主要特点,根据阀体装配过程出现的故障,提出了一种面向阀体装配过程的质量状态评估方法,通过计算各个故障因素之间的相对关联度,排序比较得出阀体的最主要的故障因素,根据得出的结论对该主要故障进行分析,提出改进方案,以提高阀体的装配质量。然后,在对阀体故障类型进行分类的基础上,应用BP神经网络理论,设计阀体故障类型研究算法,利用Matlab软件对网络进行训练,通过对历史数据进行不断地模拟训练,利用该网络对另一组故障数据进行诊断,验证利用BP神经网络对阀体故障诊断的有效性,从而实现阀体装配质量的智能诊断。其次,构建了阀体装配后期预测的GM(1,1)模型,包括故障模型精度分析—预估模型,实际数据灰色关联度分析—均方差精度分析—小误差概率分析的整个过程,以保证建立预测模型的精度。最后,通过应用以上方法对阀体装配质量进行的评估、诊断、预测方法进行了总结和展望,并分析了本论文的不足以及后续的研究方向。