本发明提出了一种基于自编码器与Boosting‑OSKELM算法的机电产品装配误差在线预测方法，首先针对某一道装配工序，结合其装配工艺与装配误差历史装配数据，构建相应样本数据集；其次基于带有Fine‑Tuning技巧的自编码器对每个样本点的输入工艺数据进行降维，降维后的工艺数据与原装配误差数据组成新的降阶表征数据；接着将降维后的工艺数据输入至Boosting‑KELM模型中，结合在测试集上的预测性能，确定核函数的提升顺序以及对应的超参数；最后根据在线贯序核极限学习机的增量学习递推公式，形成Boosting‑OSKELM模型，从而实现装配误差的在线预测。本方法可对机电产品的装配误差进行在线预测。