汽车白车身焊接生产过程中,大量使用电阻点焊以连接车身各部件,焊点的质量对白车身质量有重要的影响。目前常用的焊点质量检测手段如破坏性检测和超声波检测往往依赖人工线下完成,车间人员不能及时获得焊接质量信息,无法满足白车身现代化流水车间的生产要求。因此亟需一种快速无损的白车身焊点质量检测手段,使得车间在实际生产过程中可在线获取焊点质量相关信息。同时由于车身焊点数量众多,生产过程中会产生较大能耗。通过增大焊接电流、电压或时间等参数可以使焊点质量得到提高,但会带来能耗增加的问题。因此如何寻找合理的焊接过程参数,使得焊接质量提高的同时降低能耗,也是一个值得研究的课题。基于上述研究背景,本文开展以下研究:首先进行了基于广义回归神经网络的白车身电阻点焊质量预测模型的研究,模型输入为焊接的实际过程参数,包括焊接电流、焊接电压与脉宽,模型输出为焊点的熔核直径。为了提高模型的预测精度,提出了一种使用Faure序列和非均匀变异的改进蝗虫优化算法,用来对广义回归神经网络的光滑因子进行优化。基于假设检验的实验结果表明,与其他预测模型相比,本文提出的预测模型具有最高的预测精度,其预测误差平均值为0.298mm,且最大误差不超过0.600mm,可以满足工厂实际生产需求。接着针对需要同时对焊点质量和能耗进行优化的问题,建立了一个焊接参数多目标优化模型,优化变量为焊接电流、焊接电压与脉宽,优化目标中的焊点质量通过所建立的质量预测模型得到,能耗则通过焊接电流、电压与焊接时间计算得到。为了对问题进行求解,通过引入反向学习与差分进化,提出了一种改进的多目标算术优化算法,与原始算法相比,改进算法得到的解集具有更好的分布性。改进多目标算术优化算法的优化结果表明,优化后熔核直径的平均增加了6.20%,同时焊接过程的平均能耗减少了12.11%,对实际生产有着重要的指导意义。最后为了提升焊接车间数字化与智能化程度,基于联想大数据平台,开发了汽车白车身焊点质量预测与参数优化系统。通过集成质量预测与参数优化功能,可实现焊点质量的在线预测和焊接参数的优化,可有效地指导实际生产,为车间的智能化、低排放化生产提供帮助。