社会在发展,时代在进步,随着当今制造业发展的突飞猛进,人们对生产的零件质量要求也越来越高。智能制造的提出,对测量机的自动化程度要求也是日益剧增。测量技术作为先进生产智能制造技术非常重要的环节,是生产制造技术不可或缺的一部分,传统的检测器具和检测方法已经落后了时代的发展步伐,已经不能满足智能化、自动化、高精度、高效率的要求,因此,检测技术正在朝着这个方向一步步前进,促进智能制造的快速发展。本文对基于SPC三坐标测量智能路径规划技术进行了研究,首先在整体上运用统计过程控制技术对生产稳态进行监控,针对于传统的统计过程控制要求质量特性值服从正态分布,提出了基于瑞利分布统计控制来对非正态分布特性进行控制的研究。在智能检测路径规划中,特征的智能识别是智能质量检测规划系统的基础。本文研究了基于改进粒子群神经网络的零件的特征智能识别,对STEP中性文件提取关键信息,然后建立属性邻接图并分解为最小子图作为神经网络的输入矢量,提出了改进粒子群算法与BP神经网络相结合的算法来对零件特征进行智能识别。在确定了待检测特征后,对基于MBD零件的测量信息自动获取和测量点的数量及分布进行了分析。提出了基于多色集合理论对应用零件建立约束模型,在多色集合理论和检测规则的共同约束下,实现检测过程中三坐标测量机精度与距离相互最优状态,进行了检测路径规划。本课题的研究主要是为了提高检测智能化和生产检测效率,促进智能制造的快速发展。