1.一种汽车车身铆接质量自动在线检测方法，其特征在于，步骤如下：S1、探测传感器以其探头的探测平面始终保持平行于各探测点位对应铆接板曲面中心点的切平面的方式，且以恒定的间隔距离沿包含有铆接板上全部铆接点的探测路径持续向铆接板发射电压信号或电流信号，以得到各探测点位的反馈电压信号或反馈电流信号，即铆接板的铆接点状态信号；

S2、对步骤S1采集的铆接点状态信号进行处理，得到铆接点信息特征模型；其具体实施步骤为：

1)采用基于EMD算法的希尔伯特‑黄变换的方法对对经过步骤S201的滤波处理后的铆接点状态信号进行EMD分解，得到不同尺度的固有模态函数IMF分量，进而对各尺度下的固有模态函数IMF分量进行希尔伯特‑黄变换得到各采样点位对应包含有Y条电压曲线的频谱图；

2)在步骤S202得到的频谱图中提取各个铆钉铆接点处的有效频谱图作为单个铆钉的铆接特征信息，并将有效频谱图上的每条电压曲线对应的采样点数及其对应的电压幅值，即“曲线序号‑采样点数‑电压幅值”，作为一个铆接特征信息；进而，每个铆钉铆接点均对应得到若干个不同维度的铆接特征信息；

3)对每个铆钉铆接点的若干个不同维度的铆接特征信息中分别提取M个维度的铆接特征信息，形成该铆接点的信息特征模型；

S3、将步骤S2得到的铆接点信息特征模型输入至已完成训练的铆接故障神经网络识别模型中，得到汽车车身铆接故障类型。

2.根据权利要求1所述的汽车车身铆接质量自动在线检测方法，其特征在于，在步骤S2中，步骤1)之前还需要对对铆接点状态信号进行滤波处理；其中，滤波处理方法为中位值平均滤波法。

3.根据权利要求1所述的汽车车身铆接质量自动在线检测方法，其特征在于，在步骤S2中，Y的取值范围为6～15。

4.根据权利要求1所述的汽车车身铆接质量自动在线检测方法，其特征在于，在步骤S2中，M的取值范围为11～40。

5.根据权利要求1所述的汽车车身铆接质量自动在线检测方法，其特征在于，该铆接故障神经网络识别模型根据以下两个公式来进行BP神经网络结构的构建：其中，N代表隐含层层数，N＝2～5；n为隐含层神经元个数，每个隐含层神经元数量n为8个至30个；I为输入神经元个数，其数量与铆接特征信息的维度数值一致；J为输出层神经元个数，其数量为X+1，包括X种故障铆接状态和一种正常铆接状态；K为标准样本个数，a为0～

10的整数。

6.根据权利要求5所述的汽车车身铆接质量自动在线检测方法，其特征在于，在步骤S3中，对铆接故障神经网络识别模型的训练方法为：将M个维度的铆接特征信息按照顺序依次排列，输入至神经网络中对应的神经元，输入层神经元和隐含层神经元将处理后的铆接特征信息传递给输出层，输出层得到识别结果后与期望输出值进行比较，然后根据神经网络的梯度变化值，通过误差反向传播算法，调整各个神经元的权值和阈值来训练神经网络，直到神经网络的实际输出值与期望值满足误差设定要求，训练完成；其中，在训练过程中，设定初始种群规模为100，神经网络的最大迭代次数选择1000，学习率为0.01～0.5，允许误差精度为0.1％；神经网络输入层输出计算采用线性函数，其他层输出计算采用sigmoid型激活函数；遗传算法的适应度函数采用：

7.一种实现如上述权利要求1所述的汽车车身铆接质量自动在线检测方法的检测系统，其特征在于，包括：

机器人模块，其由多自由度机器人机械臂和内设有多种运动轨迹的运动控制系统构成；运动控制系统与多自由度机器人机械臂内各驱动电机连接，使多自由度机械臂末端按照运动控制系统规划的铆接点探测路径运动；在多自由度机械臂末端安装有工装夹具；

数据采集模块，其由探测传感器和数据采集装置构成；具体地，探测传感器由工装夹具夹持，随工装夹具运动至车身上各铆接点进行铆接点状态采集；数据采集装置与探测传感器相连接，用于接收探测传感器探测到的铆接点状态信号；

同步控制模块的一端与机器人模块的运动控制系统相连接、另一端与数据采集模块的探测传感器相连接，用于触发运动控制系统驱动多自由机械臂按照与检测对象相符的铆接点探测路径运动的同时，同步触发数据采集模块进行铆接状态信息采集工作；

数据处理与特征提取模块与数据采集模块相连接，用于接收数据采集模块发送的铆接点状态信号并依次通过信号滤波处理、各铆接点频谱图转换和多维度铆接特征信息获取，构建得到各铆接点信息特征模型；

铆接检测模块与数据处理与特征提取模块相连接，通过将各铆接点信息特征模型输入至铆接故障神经网络识别模型中，完成汽车车身各铆接点的故障状态检测和识别。