产品质量是生产企业参与市场竞争并赖以生存和发展的基础,而工序质量是形成产品最终质量的关键。在先进制造技术(Advanced ManufacturingTechnology,AMT)环境下,生产过程具有自动化、柔性化、集成化和智能化的特点,许多传统上由人工完成的工作已经被机器所替代,如何实现工序质量的智能化诊断、实现实时在线工序质量控制,已成为当前产品质量控制领域的研究热点。本文在对现有工序质量诊断方法分析的基础上,提出采用神经网络技术进行质量诊断,从而实现工序质量控制的思路。主要工作包括:　　 (1)分析当前的质量控制技术和方案,提出从提高工序质量诊断水平的角度进行工序质量控制的思路。结合工序质量诊断的特点和神经网络技术的优势,建立基于神经网络技术的工序质量诊断模型。在此基础上,构建了基于质量诊断的智能化工序质量控制系统,阐述了系统的主要功能模块和应用流程。　　 (2)对控制图异常模式进行分类,并采用不同的识别方法。重点研究控制图模式识别的神经网络方法,设计基于小波变换的概率神经网络,并详细阐述了网络的参数选择、训练样本产生及网络训练方案,最后仿真检验了网络的性能。　　 (3)设计了用于控制图异常模式参数估计的BP神经网络,并详述了网络的设计过程和训练方案。运用该网络可实现对控制图异常模式特征参数值的提取,为进一步工序质量诊断提供依据。最后仿真检验了网络的性能。　　 (4)分析比较了当前常见的工序质量诊断方案,将神经网络技术引入工序质量诊断中,设计了基于BP神经网络的工序质量诊断方案。并研究设计了工序质量故障信息数据库,用于将神经网络的诊断结果转化为用户可识别的内容。　　 本文提出的基于神经网络技术的智能化工序质量诊断方法,能较好地发现和解决生产过程中的质量问题,并为质量预防提供依据,符合“预防为主”的质量管理思想。将神经网络应用于工序质量诊断,提高了诊断的效率,弥补了传统专家诊断的不足,对保证产品质量具有积极的作用。