汽车轻量化技术作为节能减排的一个重要手段,受到越来越多的重视。而汽车轻量化设计的一个重要途径就是使用铝合金等轻量化材料,在对这些轻量化材料进行连接的过程中,相对于传统焊接,自穿孔铆接有着独特的优势,已经成为人们研究轻量化材料的连接技术的重点内容。自穿孔铆接接头质量的好坏主要受接头上表面裂纹情况和子午截面几何尺寸的影响。但是,目前人们对于自穿孔铆接接头上表面裂纹的检测还停留在人工主观评价阶段,对接头质量受参数的影响的研究也停留在定性分析阶段,在分析过程中也较少考虑参数不确定性波动的影响。基于此,本文通过图像处理和机器学习技术对自穿孔铆接接头上表面裂纹进行自动识别和评价,并建立自穿孔铆接有限元模型,分析不同参数对接头质量的影响灵敏度,对影响较大的参数进行多目标稳健性优化设计。首先对自穿孔铆接的成形过程和裂纹产生原因进行分析,对接头上表面裂纹区域进行裁剪和图像预处理,将处理后的图像作为训练样本,建立裂纹判断网络模型和裂纹分类网络模型,使用网络模型对上表面裂纹进行自动搜索和检测,并根据检测结果对裂纹质量进行评价。其次,建立了铝合金AA6111 T4和低合金高强度钢HSLA 340的异种材料自穿孔铆接有限元模型,选取模型中15个设计变量进行参数组合设计试验,分析不同参数对接头自锁量,最大底部厚度和上表面最大冲压力的影响,得出凹模高度,凹模半径,铆钉长度,铆钉材料切线模量,铆钉材料屈服极限五个参数对其影响最大。最后,根据灵敏度分析结果,对铆接过程进行多目标稳健性优化设计。以凹模高度,凹模半径,铆钉长度为设计变量,铆钉材料切线模量和屈服极限为噪声干扰,上表面最大冲压力为约束,接头自锁量,底部厚度最大为优化目标,通过建立自穿孔铆接近似模型,得到该优化目标下的Pareto最优解,通过近似模型和有限元模型的对比验证了近似模型的可用性,通过优化设计方案和原始方案的对比验证了优化结果的有效性。