质量管理在现代工业生产中的作用越来越突出,运用统计过程控制是进行质量管理的重要手段。在众多过程监控分析和故障诊断工具中,质量控制图是最为经典、有效的一种。对控制图进行实时监控,对控制图的正常和异常模式进行准确识别,能够发现过程异常情况,消除潜在危险和隐患,保障工业生产的质量和安全,意义重大。本文首先介绍了质量控制图和控制图模式识别的含义与作用,总结和分析了前人在控制图模式识别领域所做出的一些研究成果。在此基础上,提出了全新的基于Adaboost算法的控制图模式识别方法。文章介绍了Adaboost算法的算法流程、特性,随后提出了Adaboost算法应用于控制图模式识别的优化策略。接着对本文使用的Adaboost算法智能诊断程序设计和仿真流程进行了全面直观的介绍,包括六类控制图的描述方法、仿真数据流程、训练集测试集数据样本的生成,并重点介绍了基分类器(本文采用朴素贝叶斯分类器)选择的方法。最后通过大量的数据仿真实例,给出了在不同迭代次数和不同训练集样本数情况下的识别结果,证明了本文的算法要优于大多数前人所提出的算法。在此基础上进一步给出了在普通情况下的识别效果,并进行了改进。结果表明,Adaboot智能算法应用在控制图模式识别领域具有独特的优势和优良的性能。