复杂曲面零件在汽车精密覆盖件、舰船螺旋桨和航空发动机叶片等零件开发中广泛应用,研究复杂曲面零件的数据拼合与精密加工技术是提高具有复杂曲面特征的产品加工精度和效率的关键。本文研究了数据拼合、加工路径生成、曲面寻位等数据处理关键技术,主要研究工作和创新之处体现在：研究测量数据粗拼合和精拼合算法。(1)针对当前粗拼合算法难以定义相似性度量和处理非重叠区域问题,提出基于降维形状标识(DRSD:Dimensionality-Reduction Shape Descriptions)的粗拼合算法。引入角度保形参数化理论对网格曲面在低维空间表述,应用调和映射和角度平化构造局部和全局DRSD,在低维空间搜索最近点、计算刚体变换参数、查询重叠区域和评价拼合误差。实验结果证明相比传统的粗拼合算法DRSD算法拼合效率高,对噪音、分辨率、固定点和缺失等外界因素的影响稳定性好。(2)针对当前精拼合算法的优缺点,提出基于自适应距离函数的精拼合算法。定义自适应距离函数(ADF:Adaptive Distance Function)描述点-曲面距离误差,同传统的点-点距离函数和点-切面距离函数的主要不同是ADF考虑了曲面曲率特征来量化点-曲面最近距离。使用该距离函数建立精拼合的非线性优化模型和求解策略,实验结果证明当初值较差且曲面具有高曲率特征时,ADF精拼合算法在收敛速度和收敛稳定性方面具有优势。研究低维空间三轴加工路径生成算法。针对当前大部分路径生成算法只适应参数曲面的问题,应用网格参数化方法ABF(Angle Based Flattening)将网格曲面展开在平面参数区域,提出基于降维策略的三轴加工路径生成方法。一方面通过主成份分析提取单次最长走刀路径生成等平面加工路径,缓解传统算法在平坦区域产生冗余路径的问题；另一方面通过提取网格边界驱动曲线生成边界平移加工路径,避免在三维空间执行切片、平移、相交和投影等复杂的几何运算过程,提高计算效率。研究点云-参数族曲面寻位与精度评估方法。提出点云-参数族曲面寻位ADF算法,建立产品质量检测、曲线拟合、对称特征寻位等多种情况下曲面寻位的非线性优化模型。此外,重点分析曲面寻位误差与几何误差的微分运动关系,推导测点位置偏差同几何误差的线性映射关系。在考虑加工、测量等制造误差影响的情况下,构造一个具有笛卡尔坐标变换不变性的数学统计量。应用该统计量提出基于t分布的寻位精度评估模型,并据此推导出刚体变换平移误差与旋转误差的理论上限。应用本文提出的算法初步搭建一个基于逆向工程的数字化制造平台。在数字制造装备与技术国家重点实验室已有的软硬件基础上,将本文提出的数据处理算法进行应用,初步搭建一个集成“曲面测量-数据集成-加工制造-质量检测”功能的数字化制造平台。为验证该平台统的可行性,以典型的复杂曲面为例依次执行了数据采集、数据拼合、路径生成、铣削加工、曲面寻位、质量检测等处理过程,加工出满足精度要求的产品。