控制图是统计过程控制中一种有效的监控分析和故障诊断工具,被广泛应用于工业生产领域。对控制图进行实时监控识别,能够尽可能快和早地发现产生的过程异常情况,消除过程的潜在危险和隐患,保证工业生产的高效、稳定和安全。近年来,智能技术在工业过程控制领域的应用越来越广泛。在现有的控制图模式识别技术基础上,研究更加有效的智能方法成为了必然趋势。本文将神经网络与模糊逻辑相结合,充分利用先验知识,建立基于模糊神经网络的混合智能控制图模式识别方法,主要研究工作内容如下：1.提出了一个将控制图判别准则转变为符号化模糊规则的方法,能够有效地指导智能识别网络的建模及初始化过程,在此基础上,将神经网络与模糊逻辑相结合,建立了一类基于模糊神经网络的控制图模式识别方法。2.基于二阶时间滞后过程的广义过程对象模型,有效地模拟工业过程特性,产生更加符合实际情况的控制图数据。在充分地分析了广义过程模型参数对控制图模式识别的影响规律基础上,建立了一个广义模糊神经网络控制图模式识别系统,并且针对青霉素发酵过程进行了实例研究,验证了技术方案的可行性及有效性。3.应用基于VC++的MFC编程技术,实现广义模糊神经网络模式识别应用系统。给出系统的总体设计和软件设计解决方案,包括划分系统的模块化框架结构,设计并实现功能类以及友好易用的图形交互界面。