机电产品装配过程各类参数关系复杂,装配质量难以评估,造成了机电产品装配质量精细化管理难以有效实施。质量评估是提高产品质量与可靠性降低研制成本的重要途径,现有机电产品装配质量评估方法过于依赖专家经验,对装配测试过程中的各类指标数据分析不足,而且未将测试过程中的数据有效利用,分析的全面性也有待提升。另外,随着对产品装配质量要求的提升以及装配测试设备的自动化与智能化的发展,测试指标不断增加和细化,导致通过专家经验对产品装配质量的评估更加困难,急需研究更加智能化的质量评估方法。针对上述问题,本文提出了一种基于工业大数据的机电产品装配质量评估方法,主要研究工作如下:(1)构建机电产品装配质量评估总体框架。通过对机电产品装配工艺流程和装配数据特点的梳理,制定了机电产品装配质量评估总体框架,主要内容有:首先是数据预处理、装配质量评估指标集构建,然后对评估指标的重要度进行分析,最后构建并优化机电产品装配质量评估模型。(2)构建机电产品装配质量评估指标集。通过对比不同的指标构建方法,采用合适的方法将产品装配过程中测试环节产生的测试数据进行重构,得到装配质量评估指标集,并基于此提出一种基于随机森林和信息熵结合的评估指标权重分析方法,根据评估指标对产品装配质量的拟合精度得到评估指标的权重,为后续装配质量评估奠定基础。(3)构建基于PSO优化高斯混合模型的机电产品装配质量评估模型。针对高斯混合模型初始聚类中心随机性较大的问题,提出基于Mean Shift算法的EM算法初值确定方法,得到最优的初始簇中心,并提出用粒子群算法(Particle Swarm Optimization,PSO)对高斯混合聚类过程中的关键参数进行寻优,提高模型的收敛速度。(4)装配质量评估模型的应用与验证。以某企业半液浮速率陀螺仪装配后测试数据对本文提出的分析思路和方法进行对比验证,实现了对半液浮速率陀螺仪装配质量的评估,该方法对企业实现产品质量差异化管理有着积极的作用。