在我国机床保有量大、服役年限长、智能化低,可再制造潜力大和绿色可持续发展的大背景下,对废旧机床进行再制造已势在必行,因此对再制造机床质量的提升与保障变得十分重要。传统再制造产品的装配质量控制主要集中在对产品输出质量进行控制,而输出质量在控制限内时装配系统不一定稳定,且这种仅对输出质量进行控制的方式具有一定的滞后性,当发现系统异常时已生产大量的不合格产品,使得生产成本增加。因此,本文主要用状态空间模型和粒子群算法解决机床再制造装配过程的质量控制问题,论文主要研究内容如下。（1）机床再制造装配过程动态质量控制研究。针对机床再制造装配过程存在的零件不确定性和工艺不确定性,导致装配质量控制滞后的问题,研究了基于状态空间模型,利用系统稳定性和预测控制图的质量控制方法。将再制造机床装配过程抽象成状态空间模型,利用状态空间模型得到机床再制造装配过程的质量传递函数,在状态空间模型和传递函数的基础上再进行系统的稳定性和预测控制图分析,即机床再制造装配过程必须满足生产系统稳定和预测输出质量在控制限内,否则认为装配系统异常,由此实现了稳定性与预测控制图相结合的装配过程质量控制方式。（2）机床再制造装配过程质量补偿模式决策研究。针对机床再制造企业制造成本较高、碳排放量较大和质量波动较大等问题,研究了对质量超出控制限时在不同补偿模式下的补偿决策。主要根据企业需求提出了不同的补偿模式,通过选择一种指定的补偿模式,再结合粒子群算法得到装配过程的最佳输入。根据最佳输入,进一步利用零件分级和对零件位置的调节来满足最佳输入,从而实现了不同补偿模式下的装配质量补偿。（3）机床再制造装配质量控制系统设计与实现。针对再制造过程数据利用率低,异常数据得不到有效的分析等问题,研究了基于Windows系统、Python语言和My SQL数据库的机床再制造装配质量控制系统设计与实现。利用Python语言编制程序界面和逻辑,连接My SQL数据库实现制造过程数据采集、数据储存、质量控制和补偿等功能。研究表明,利用系统稳定性和预测控制图相结合的方式能有效的对再制造机床质量进行控制,而不同的补偿模式也能满足企业的实际需求,提升装配质量,降低装配成本。