汽车轻量化作为节能减排的重要途径之一,已成为发展的必然趋势。采用轻量化材料是降低整车质量的有效方法之一,大多数汽车制造厂商将轻量化材料和钢材联合应用以降低制造成本,如铝合金钢材的联合使用。在异种材料连接中,自冲压铆接技术相较于传统焊接有着独特的优势,被广泛使用。自冲压铆接的铆接质量会直接影响到汽车的安全性和耐久性,因此最初的接头开发过程中,应对自冲压铆接质量进行检查和分类,以符合要求标准。基于此,本文将自冲压铆接质量分为铆接外观质量和铆接截面质量展开进行研究。针对铆接外观质量,铆接下表面裂纹的产生会严重影响接头的耐腐蚀性从而直接影响铆接强度,现有的基于人工视觉的铆接下表面裂纹识别方法具有较强的主观性、低效率性且无法大规模应用,因此在图像处理及计算机视觉的基础上提出一种局部-整体策略的自冲压铆接下表面裂纹自动识别方法。针对铆接截面质量,建立有限元仿真模型,通过数值模拟对铆接过程及截面质量进行分析,并提出一种多目标优化方法,辅助提升铆接截面质量。首先获取不同场景的自冲压铆接全尺寸图像,并对图像中的子区域进行裁剪和图像预处理,构成子图像样本数据集。提取数据集的不同种类特征值并将其作为输入分别训练多个基于子图像的裂纹识别网络。考虑到基于特征提取的裂纹识别网络在准确率上还有较大的提升空间以及特征描述算子对图片的表达局限性,构建了两种基于卷积神经网络的子图像裂纹识别网络。对裂纹识别准确率进行测试,结果表明,基于卷积神经网络的裂纹识别网络准确度显著提升。其次,编写遍历搜索算法,将已构建的基于子图像的裂纹识别网络的应用范围拓展到自冲压铆接全尺寸图像的裂纹待检测区域,完成自冲压铆接裂纹的自动识别。使用四张具有代表性的全尺寸图像展示不同裂纹识别模型的检测效果,最终结果表明,基于卷积神经网络的裂纹识别网络检测效果最优。最后,建立自冲压铆接有限元仿真模型,根据仿真结果对铆接过程及截面质量进行分析。选取对铆接截面质量具有重要影响的四个参数作为设计变量,以铆接截面质量参数作为优化目标,采用工厂广泛使用的质量标准作为约束条件,建立近似模型进行多目标优化设计,并得到该优化目标下的Pareto最优解。将优化后的设计参数代入有限元仿真模型中,证明优化结果的有效性。通过优化前后铆钉接头截面质量参数对比发现,铆接截面质量提高。