三相交流异步电动机主要由定子、转子、前端盖、后端盖组成,各个部件组装后的形位尺寸直接决定了电机性能的好坏:如果出现前后端盖轴承室不同心的情况时,电机容易出现振动超标、损耗增加、电磁噪音增大、扫膛等异常情况;如果前后端盖轴承室间距超标,则会导致电机转轴异常窜动、轴承寿命减短、运转噪音增加等异常情况。通过对生产数据进行总结分析,我们发现绝大多数电机试验异常是由于零部件组装后尺寸偏差较大导致。由于加工条件限制,很多企业短期内难以提高零部件加工质量。于是成品组装一次性合格率低已经是制约生产效率提升的拦路虎。作为工厂借助工业4.0实现转型升级,实现跨越发展的研究课题的一部分,我们决定摒弃以往人工筛选的模式,转而采取在完成尺寸测量后,将数据输入电脑,通过程序对一批(或者多批次)部件进行筛选、分类,组装时使用筛选配对过的零部件。借此提高配对准确性,减少工人工作量,提高生产效率。经过研究,我们决定采用K最近邻算法(K-Nearest Neighbor,KNN)作为对零部件进行分类筛选的原理方法。该算法的主要原理如下:如果样本和特征域中的K值是大多数样本中最相似的(即特征域中的最近邻)属于某个类别,则可以确定样本也同样属于这个类别。在KNN算法中,所引用的“邻居”应该是被正确分类的对象。在决策过程中,仅使用一个或多个最近的样本类来确定要划分的样本类。KNN算法在数学实现上较为复杂。但在工程领域由于数据结构相对单一,当使用KNN方法进行分类决策时,只需要少量相邻样本进行匹配和匹配。因此KNN方法较其他方法更为适合。本文论述了针对某型三相异步电机进行部件分类选配的过程:首先匹配筛选出绝对合格的零件,将此部分零件剔除不进行选配;然后对剩余零件的数据进行随机分类匹配,与标准模型库进行对比后筛选出最合适的配对方案;如果依旧存在不合适的配件,则输出相关数据及提示信息,进行人工处理。此过程对设备硬件要求不高,并且对组装精度改善有明显效果,对相关企业具有很高的借鉴意义。