多工序机械加工的灰色过程中,质量参数的耦合作用及误差流的传递、累积都加大了质量预测和控制的难度,进而影响最终的产品质量。本文立足于多工序机械加工过程,从数据驱动的质量预测出发,由表及里,挖掘质量参数的耦合作用机理及耦合度判定机制:首先针对机械加工过程的灰色性,从生产过程采集的产品数据着手,利用傅立叶变换强大的降噪功能,对新陈代谢GM(1,1)模型的预测残差进行修正,提出循环傅立叶修正新陈代谢GM(1,1)模型,不但补偿了系统的随机误差,而且能够滤去生产数据中的噪声,提高了预测精度;接着从导致质量问题的本质因素—质量参数出发,建立机床-夹具-工件-刀具组成的工艺系统坐标系群,对质量参数和工件进行数字化描述,识别和计算质量参数导致的各种误差,在机加工过程中建立基于误差流理论的质量特征的动态耦合作用机理和耦合模型;鉴于现有研究中没有衡量质量参数耦合程度及判断其置信度的指标,提出基于Mahalanobis距离质量参数耦合度和质量参数耦合度阈限的概念,并给出其计算公式,建立质量参数耦合度判定机制。将质量控制从单工序转向多工序,从单个参数转向多参数耦合,从事中控制转向事前控制,从静态转向动态,从局部转向系统,从表面转向本质,对于多工序机械加工过程中质量参数作用复杂的质量控制非常适用。