数控机床这类复杂机械产品最后的装配精度要求非常高。不同的装配序列可能会导致该数控机床不能成功满足最后每一项检测指标。针对在装配序列下失败的产品，又要通过二次加工才能保证其位置精度，这样耗费了大量时间和成本。为了保证一次性装配成功率，本文首先分析了影响装配精度的三类误差源，并对每种误差的来源进行了归纳总结。又根据在实际装配过程中，装配特征形状和配合方式等，从限制自由度的角度出发，对由公差和间隙带来的误差源及其公差带的装配敏感性进行了研究。为了研究结合面在不同基础特性参数影响下的变形情况。本文使用了有限元分析软件ABAQUS对其进行分析求解得到结合面变形量的最大值，并通过一组物理实验数据验证了该模型的准确性。针对已经建立的有限元模型，通过设定基础特性参数的取值范围和数量，以得到不同的基础特性参数对结合面变形影响的程度。为了预测数控机床装配过程中的结合面变形，本文构建了BP神经网络来预测不同基础特性参数对结合面的影响。为了克服神经网络的局限性，本论文先后采用了更改隐含层结点数以及使用遗传算法对神经网络初始迭代点进行预处理的办法，最终使网络输出值和实际值之间的误差达到了理想的范围。在每种误差源对装配传递的影响量进行了准确描述之后，论文提出一种新的装配精度评价体系，将误差源通过不同的装配坐标系转换投影到每一步的装配误差传递矩阵中，根据不同的装配特征传递序列，通过装配误差传递矩阵计算装配误差累积并传递到最后所要求的配合特征或者装配特征对。根据不同的装配配合特征或者装配特征对之间的坐标差异性，计算出闭环装配精度指标和关键装配精度指标的值，然后由设计人员根据设计精度选择计算权重得到总装配精度指标，由这三种不同类型的装配特征精度指标可以得出数控机床装配序列群的可行域和最优的装配序列。最后，通过一个装配实例对本论文提出的装配精度评价方法进行了验证。