螺纹联接是工业装配中最为重要的装配方式之一,提高螺钉拧紧的效率和质量对于智能装配的实现具有重要意义。在现有的螺钉装配过程中,复杂的拧紧参数设置,主要依靠技术人员经验法调试或者单一工况的参数整定,需要大量的时间和人力。本文针对目前获得高质量拧紧参数的低效问题,基于快速非支配排序遗传算法(NSGA2)和工业云平台,研究了一种能够根据不同工况条件自动迭代生成高质量拧紧参数的算法。对螺钉拧紧理论和自动拧紧技术进行了研究,论述了三种主流拧紧控制方式的优劣及其拧紧参数的意义,并结合参数对螺钉完整拧紧过程进行了分段分析。在此基础上,将拧紧用时和拧紧精度作为评价参数优劣的两个指标,选择力矩控制法的参数优化作为算法研究的方向。将拧紧参数的优化抽象成一个多目标优化问题,对多目标优化问题和经典多目标优化算法进行了研究。根据拧紧参数优化问题的实际要求,以及NSGA2在解决低维多目标优化问题上的优越性,选择NSGA2作为算法研究的基础。建立了螺钉拧紧参数优化问题的数学模型,明确了两个优化目标、七个待优化参数及其约束;然后在NSGA2算法的基础上,针对NSGA2处理带约束的多目标优化问题的局限性及其不适用的精英保留机制,在这两方面进行改进,实现了带约束的改进NSGA2算法。算法提出了一种约束偏序,实现了可行解和不可行解的优劣排序;算法提出了一种自适应精英保留策略,既能够提高解的分布性,保证全局最优解的搜索,又可以提高算法的收敛速度,保证了算法的高效。云平台强大的数据整合能力能够使算法高效获得大量数据,提高参数迭代的效率。基于企业的工业云平台及电动拧紧设备,搭建了一套软硬件实验平台,通过部署在云平台上的改进NSGA2算法,进行了完整的拧紧参数优化实验,算法生成的参数对拧紧效率和拧紧质量提升效果明显。针对同一工况,使用人工经验法调参,对比人工调参的拧紧结果,算法调参将拧紧精度由5.6%提高到2.7%,验证了螺钉拧紧算法获得参数的效率和质量高于人工经验法调参,算法具备高效性和可靠性,对提高螺钉拧紧装配的质量和效率有重要意义。