随着社会信息化的发展,印刷品作为承载信息的媒介,人们对其质量的要求越来越高,也使得印刷企业更加注重对印刷品质量的控制。在印刷过程中,受诸多因素的影响,产品质量的波动是不可避免的,要实现印刷的高质量、高效率,其工艺过程就必须处于稳定受控的状态,因此面向生产过程的现场质量控制就尤为重要;另一方面,数字化印刷工作流程的实施,大大提高了印刷的信息化、自动化程度,印刷过程状态的监控也不能再仅仅依赖人为因素,否则将严重影响印刷企业自动化程度和质量管理水平的提高。本论文就以上两个问题,将SPC方法和BP神经网络技术相结合,应用于印刷过程质量控制,研究了印刷过程质量的智能监控技术。首先,根据印刷过程的特点,把SPC方法应用于印刷过程质量控制。通过分析印刷质量特性指标,确定SPC的控制对象;提出了控制图的应用方案,选择x ? R控制图和x ? Rs控制图两种类型,并将印刷质量控制图分为整幅画面和单一墨区两种方式,然后以实例说明了直方图、控制图的具体应用方法。其次,基于BP神经网络,对控制图的模式识别问题进行了研究。先将印刷过程质量控制图分为正常、阶跃、趋势、周期4种基本模式,并建立起数学模型;然后提出了控制图模式识别的总体方案,着重研究了控制图基本模式的识别方法和异常模式关键特征参数的估计方法。通过大量实验,采用比例共轭梯度算法,建立4个BP网络模型,网络1用来识别4种基本模式,另外3个网络用来估计异常模式的特征参数,其中网络2用于估计阶跃幅值,网络3用于估计周期幅值和周期长度,网络4用于估计趋势斜率。然后,依据SPC理论,从人、机、料、法、环、其他等方面,分析每一种异常模式,总结出典型的异常原因及诊断建议。最后,基于SQL Server2000设计印刷质量管理数据库和异常诊断知识库,以Visual C++6.0和Matlab7.0为平台,开发了印刷过程质量智能监控系统软件,实现了印刷质量数据管理,直方图、控制图绘制,过程状态的智能识别和参数估计,异常原因分析诊断等功能,并进行了实例测试。