轴瓦是汽车发动机和内燃机中常用的零件，轴瓦的壁厚以及高出度是轴瓦非常重要的质量指标，影响发动机的性能、工作可靠性和使用寿命。因此，对这两项指标进行综合检测和分析具有重要的工程意义。鉴于此，本论文提出了基于CMM多点检测与数据融合的轴瓦质量分析方法。主要研究内容为：研究了轴瓦的质量特征，提出从壁厚与高出度这个两个指标来综合分析轴瓦的质量问题，结合数据融合方法提出了本论文的技术方法体系；分析了轴瓦的定位，在标准模的基础上，设计了新的用于壁厚与高出度同时检测的装置；基于三坐标测量机设计了多点检测方案，设计了轴瓦厚度与高出度的测量方法，并获取了轴瓦壁厚与高出度的基础数据，为后续轴瓦的质量分析提供数据来源。研究了数据融合的基本理论和方法，结合轴瓦的质量特性与研究目标，提出了基于小波神经网络和BP神经网络的轴瓦质量数据融合分析模型；针对轴瓦基础数据的训练，构建以sigmoid函数为传递函数的BP神经网络，设计了数据融合算法；将小波函数应用于BP算法的隐含层输出节点，对轴瓦基础数据进行训练，设计了基于小波神经网络与BP算法的数据融合方法；比较分析了不同方法下的融合结果。基于小波神经网络与BP算法的数据融合方法收敛速度快、训练精度高，处理后得到的轴瓦质量特征数据更可靠，便于轴瓦质量分析与管理。研究了轴瓦质量分级的基本方法，提出了基于多点合格测量分档的轴瓦厚度质量分级法，先判定轴瓦合格，再对合格品进行分档；提出了基于多点合格测量的轴瓦高出度质量分级方法，并对在公差范围内的高出度数据进行分级；此外，通过绘制轴瓦厚度与高出度的X-R控制图，分别对厚度和高出度质量分级结果进行了验证。最后，论文对检测方案、融合方法及质量分级等研究内容进行了总结，并探讨了检测装置优化、厚度与高出度指标综合融合等进一步研究的内容。