随着科学技术的进步和发展，智能质量控制技术已成为质量工程的发展趋势之一。本文对基于质量信息集成的质量控制自动化及智能化的理论、方法及其关键技术进行了深入的研究。与“全质量”将工程与管理相结合，将信息集成和质量控制相结合的主旨相一致，重点研究了质量信息的智能获取、传输、处理及集成等技术与方法，讨论了过程质量控制的智能化方法，并建立相关的智能质量控制模型。 主要工作包括如下两大部分——质量信息采集与集成技术研究；过程质量控制方法及其智能化技术研究。 第一个部分——质量信息采集与集成技术研究主要包括： (1) 提出一种基于SVR-FLANN的传感测试系统的智能静态校正与动态补偿方法。在对常规FLANN构造方法的认识基础上，讨论了一种基于SVR技术的FLANN构造新方法，并对实际的电容压力传感测试系统进行智能温度补偿与非线性校正。从理论上证明了FLANN建立的动态模型与SVR在特定参数取值下辨识结果的一致性，以此为基础提出了一种能保证全局收敛、结果唯一和鲁棒性的SVR-FLANN动态补偿方法。 (2) 研究了测试系统的非线性动态建模与补偿技术。将测试系统的非线性动态特性分解为动态线性子环节和静态非线性子环节串联——维纳(Wiener)模型；并利用LS-SVM对等价的类线性中间模型参数求解，从理论上推导中间模型参数与补偿器两个子模型参数之间的关系，由该关系实现非线性静态校正和线性动态补偿环节的同时辨识。这种新方法只需进行一次动态标定实验就能给出非线性动态补偿器的数学解析表达式并具有较强的鲁棒性。 (3) 提出了一种基于LS-SVM的高维质量信息的智能集成与提取技术。该方法先将线性特征提取公式表达成与LS-SVM回归算法中相同的形式，再遵循核方法将数据集由原输入空间映射到高维特征空间，进而使用核技巧通过线性方程实现非线性特征提取。从理论上证明了提出的特征提取方法的结果与PCA及KPCA方法的一致性。特别是对于高维质量信息，本文所提方法更具适合性。 第二个部分——过程质量控制方法及其智能化技术研究主要包括： (1) 提出了一种新的PCA-SVM的控制图趋势的智能识别方法。在分析现有控制图识别、诊断技术在实际应用中存在缺陷的基础上，将PCA方法引入该领域，通过对数据集的高维特征进行线性组合并向低维空间投影的方法，降低了分类器的输入维数，提高了各维特征的敏感性。再根据过程质量控制的实际特点，有针对性地设计了一种特殊的SVM多分类结构，实践证明该结构相对现有方法更适合质量控制图的在线实时诊断。 (2) 讨论了适应小批量制造模式的动态质量控制图。通过对抽样样本数量与控制图虚发警报概率之间的函数对应关系的分析，建立了一组能使虚发警报概率保持相对稳定的动态控制限；并用t分布代替传统的gauss分布分析方法，建立控制界限值随样本数量变化的数学模型，并将该模型应用于休哈特控制图。理论分析表明，用t分布建立的动态控制限在