国家战略目标“中国制造2025”一经提出,国内智能制造的研究与数字化制造的开展如火如荼。2018年4月,美国挑起的“贸易战”使得中国高科技与制造行业拥有独立自主能力变的刻不容缓。在此背景下的汽轮机作为重大装备,其加工过程的数字化、质量管理智能化的需求日益凸显。其中叶片作为汽轮机的“心脏”,国内仍采用传统方法对其进行质量控制,存在控制效果低下、质量成本高和装配周期过长等问题,有必要应用智能化方法对汽轮机叶片的加工质量进行预测与控制。本文以某汽轮机厂模锻叶片加工质量作为研究对象,为实现对模锻叶片加工质量有效的预测及控制开展了以下研究:在对国内外质量管理、汽轮机叶片质量控制、加工质量预测和关键工序识别等方面的研究现状分析基础上,针对汽轮机模锻叶片加工质量问题,对数据挖掘算法和参数优化算法进行研究与对比,给出一种基于PSO-SVR算法的质量预测模型构建方法;结合SPC控制理论,构建了一种基于质量预测模型的质量控制体系。基于质量波动理论对加工质量误差源进行排查和分析,确定误差源对工件质量的影响方式与强度;针对加工工艺规程文件、加工工艺系统参数和工件质量特征等信息进行关联分析,给出一种基于加工质量传递网络模型来描述加工状态的方法;基于图论理论,结合Gephi软件对质量传递网络模型进行性能分析,实现加工过程状态的描述。研究了SVR回归算法、PSO参数优化算法和交叉验证理论的应用方法,面向加工质量传递网络模型,构建基于PSO-SVR算法的单工序质量预测模型;通过拓扑合并得到多工序加工质量预测模型;结合SPC控制理论,实现基于质量预测模型的异常模式识别及质量改进,扩展了传统的加工质量控制模式。最后,基于Visual Studio 2013开发平台,应用C#语言、Microsoft SQL Sever2012和MATLAB等开发工具,设计并开发汽轮机模锻叶片加工质量预测系统,并以某汽轮机厂中压正反向模锻动叶片加工为例验证本课题研究成果的正确性和该系统的可用性。通过质量传递网络模型对加工过程状态进行分析,基于回归技术构建质量预测模型进行质量预测,从而实现质量控制,弥补我国汽轮机行业叶片生产过程质量控制的不足,对实现叶片生产过程智能化具有重要的理论和现实意义。