1、多工序機械加工的灰色過程中，質量參數的耦合作用及誤差流的傳遞、累積都加大了質量預測和控制的難度，進而影響最終的產品質量。本文立足于多工序機械加工過程，從數據驅動的質量預測出發(fā)，由表及里，挖掘質量參數的耦合作用機理及耦合度判定機制：首先針對機械加工過程的灰色性，從生產過程采集的產品數據著手，利用傅立葉變換強大的降噪功能，對新陳代謝GM(1，1)模型的預測殘差進行修正，提出循環(huán)傅立葉修正新陳代謝GM(1，1)模型，不但補償了系統(tǒng)的隨機誤差，

2、而且能夠濾去生產數據中的噪聲，提高了預測精度；接著從導致質量問題的本質因素-質量參數出發(fā)，建立機床-夾具-工件-刀具組成的工藝系統(tǒng)坐標系群，對質量參數和工件進行數字化描述，識別和計算質量參數導致的各種誤差，在機加工過程中建立基于誤差流理論的質量特征的動態(tài)耦合作用機理和耦合模型；鑒于現有研究中沒有衡量質量參數耦合程度及判斷其置信度的指標，提出基于Mahalanobis距離質量參數耦合度和質量參數耦合度閾限的概念，并給出其計算公式，建立質量