质量是决定企业竞争优势最重要的因素，也是争夺市场战略的核心要素。加工过程的好坏决定了产品的最终质量。为提高产品质量，生产出符合顾客要求的产品，需要对生产加工过程进行必要的监控，当生产过程监控到异常时，要能够及时的发出警报信号通知工作人员;并通过初步的质量诊断技术指明异常的变量，为工人快速定位异常源，找到异常原因提供更多的信息。随着顾客对产品质量要求的提高和工业技术的发展，传统的过程控制方法已不能很好的实现现代制造过程的需求。计算机技术的高速发展和工业控制程序的进步，将机器学习技术与多元统计过程控制（Multivariate statistical process control，MSPC）相结合实现制造过程质量监测和诊断，已成为质量诊断领域的重要研究课题。由于基于支持向量机(support vector machine，SVM)的模型性能良好性能及SVM进行机器状态监测和故障诊断的研究仍然很少，近年来，将SVM用于实现制造过程质量检测与故障诊断成为该领域研究的热点。　　本文以华晨动力机械有限公司的某系列变速器装配线项目为依托，对基于SVM的多元过程质量监控与异常诊断方法进行了研究。主要内容如下:　　(1)结合课题的研究背景和意义，简述了故障诊断技术的发展，对常用的多元质量诊断方法做了介绍，并指出存在的问题。提出了基于支持向量机的多元过程质量诊断，为多元质量诊断提供了新的思路。　　(2)介绍了主成分分析法及多元控制图的基本理论，并详细阐述建立多元过程监控的步骤与方法。　　(3)研究了基于支持向量机模型的多元过程异常在线监控与诊断方法。针对传统的多变量质量控制图可以检测失控事件，但不直接确定哪个变量或变量组导致失控信号的问题，本文提出一种基于支持向量机的模型对多变量过程中的均值阶跃异常进行在线监控与诊断。首先利用T2控制图良好的监控性能对生产过程进行监控，判断生产过程是否异常，当生产过程出现异常时，再用改进的SVM模型对均值的偏移情况进行识别，实现对生产过程监控和异常源识别的目的。为降低数据噪声和提高聚类，本文利用主元分析法(Principal component analysis，PCA)对数据进行预处理，有效提取数据特征信息;为提高模型分类准确率与效率，本文用改进的网格搜索法(Grid search，GS)对SVM参数进行寻优。通过对比准确率、效率与平均运行长度，证明所提出的模型在识别异常源上，与一般的模型相比具有优越性。　　(4)在变速器装配过程中，有许多多元过程的情况，而且这多个变量之间存在着互相关性。比如，压装工位，需要同时对压装的压力和位移进行控制，确保这两个变量在合格的范围;拧紧工位也需要对转矩和位移进行控制。针对华晨项目需要对多元生产过程进行监控并识别异常源的要求，基于本文研究成果，设计和开发了多元过程质量管理系统。该质量管理系统可以对多元质量过程实时监控与诊断，有效减少了故障率，降低了生产成本。