数控机床是现代装备制造业的“工业母机”,其质量和可靠性很大程度上反映了一个国家工业技术发展水平和市场竞争力。装配过程作为产品设计制造过程中投入时间和金钱成本最多、对最终产品质量有着关键影响的环节,其质量的好坏直接决定了产品的最终性能,因此,装配过程的质量控制是保证数控机床质量的必要条件。为探寻出一套合理有效的装配过程质量提升理论和方法,本文对数控机床装配过程风险评估和质量控制方法进行全面研究,论文主要包括以下几个方面的内容:（1）论述了课题背景以及研究意义,然后介绍了数控机床装配过程和装配质量相关概念;论述了课题现有研究的现状及其不足;阐述了论文的课题来源及主要研究内容。（2）面向装配过程的概率语言PFMEA风险评估方法。为提前识别和防控装配过程中的潜在高风险故障模式,提出一种面向装配过程的概率语言PFMEA风险评估方法。首先,运用概率语言术语集（PLTS）描述专家风险评估信息;然后,运用概率语言连乘层次分析法（PL-MAHP）和最大偏差法相结合的综合赋权法区分风险因子的相对重要性;其次,考虑到风险评估过程中专家的心理特征行为,利用后悔理论和复杂比例评估方法（COPRAS）确定故障模式风险优先序,最终确定装配过程中具有较高风险的故障模式,进而对其采取相应的预防措施,从而提高数控机床装配过程质量。（3）基于偏最小二乘回归（PLSR）的装配过程关键风险控制点判定方法。数控机床装配过程中存在众多风险控制点,若不经筛选就全部进行同样级别的质量控制,则难以抓住数控机床装配过程质量控制的关键要素,为此,提出了一种基于PLSR的数控机床装配过程关键风险控制点的判定方法。首先,基于“功能—运动—动作”（FMA）的结构化分解方法,并引入了元动作与元动作链的概念。然后,将元动作链中最后一个元动作输出运动参数作为装配过程质量的控制对象,以状态空间模型和分层迭代法为工具构建元动作链动力传递模型,建立装配过程质量分析对象与各级元动作内部影响因素之间的联系。最后,利用PLSR解决各级元动作内部影响因素之间的多重共线性和样本数据过少的问题,并且以变量投影重要性指标衡量影响因素重要程度,确定元动作链中装配过程关键风险控制点,并制定相应的事前防控措施。（4）基于遗传算法优化的支持向量机（GA-SVM）装配过程质量预测模型。为对装配过程质量进行事前预测,对存在质量问题的装配工艺进行优化,提高装配合格率,提出一种基于GA-SVM的装配过程质量预测模型。首先,对遗传算法和支持向量机的基本原理进行简要概述;然后,构建装配过程质量预测框架和流程;最后,针对传统SVM主要参数选择主要使用人工试算法,不仅效率低而且很难得到最优参数组合,导致其容易出现局部最优解、收敛速度缓慢等问题,引用遗传算法对其进行参数优化,改善SVM模型的学习能力和预测精度。