汽车车身尺寸制造质量直接影响到最终汽车产品的质量，因此车身制造质量控制历来为国内外汽车行业所高度重视。汽车车身通常采用离线三坐标机测量，抽检样本仅为1~2辆/班次，测点数目却达到数百个，导致质量评价精度低、反馈周期长；而冲压件批次尺寸波动、夹具磨损、班次轮换等因素使得测量数据稳定性下降，进一步提升了质量评价的难度。相比于经典统计理论，贝叶斯统计方法可以利用历史数据提升当前均值、标准差等质量评价参数的估计精度，在车身小样本检测数据分析领域得到了有效应用，但是还存在以下问题：一方面多元经验贝叶斯建模较复杂，制约了车身检测数据多元历史信息的充分利用；另一方面在数据稳定性较差时先验分布与当前样本信息存在严重冲突，对评价精度造成极大影响。为解决上述难题，本文提出融入动态干预算法的多元经验贝叶斯质量评价方法，重点解决多元经验贝叶斯模型构建、数据稳定性监测与动态干预、动态干预效率与评价精度分析等关键问题，开发数据分析软件并应用于工程实践，有效提升了车身小样本测量数据的评价精度。本文主要研究工作如下：(1)车身质量的多元经验贝叶斯(Multivariate Empirical Bayes, MEB)评价模型构建。首先通过对采样方法、测点布置和实测数据的分析，得出车身测量数据的统计特点；然后以先验分布形式融合历史测量信息，通过多元经验贝叶斯质量评价模型融合测点相关性信息，对均值、标准差等质量参数进行估计；最后分析数据稳定性下降与模型评价精度之间的变化规律。(2)数据稳定性监测与MEB质量评价模型的动态干预。首先构造适用于小样本测量数据的贝叶斯控制图，结合控制图报警灵敏度分析设计合理的控制限，实现数据稳定性的实时监控；然后针对过程稳定性较差的情况，通过对几种主要偏差模式序列的匹配分析，识别出当前偏差模式类型；最后根据模式分析的结果自动修正经验贝叶斯质量评价模型。(3)模型动态干预效率与质量评价精度分析。一方面通过仿真方法分析动态干预算法的效率，包括偏差模式识别准确率、故障起始点检测误差，并根据分析结果提出数据分组方法；另一方面以大量的车身小样本实测数据为分析对象，研究融入动态干预算法后MEB模型的评价精度、适用性等问题。(4)软件开发及工程应用。根据上述研究开发了车身检测数据分析软件，实现了测量数据分组、质量参数估计、数据稳定性监测和偏差模式识别等功能。将软件应用于白车身车架、尾门框等区域的制造质量评价与监测，验证本文算法的有效性。研究结果表明，本文所提出的基于动态干预算法的多元经验贝叶斯模型能够显著提升车身小样本测量数据的质量评价精度，其模式分析结果为后续过程监控和报警提供有效依据。该方法不仅能够应用于车身检测数据处理，还能推广应用于高速列车、航空航天等其它制造领域。