质量将成为21世纪工业生产的主题，质量诊断是用于控制质量参数和诊断过程参数变异的一系列理论和方法的综合。它是伴随着生产力的不断发展而逐步发展和完善起来的，已经成为工业生产的一项关键技术。 基于知识的智能诊断方法为解决复杂的非线性大工业系统的质量分析和诊断提供了新的思路和理论。本课题立足于预测质量波动和诊断过程参数变异，应用了多种基于知识的智能方法进行系统分解，建立过程系统的逆质量模型和逆质量诊断模型，提出了一套相对完善的基于神经网络逆模型的质量监测与诊断方法。通过仿真分析和CSP过程的实例研究，得到了准确有效的诊断结论，验证了诊断理论方法的有效性。 课题研究的主要内容和结论： (1)理论研究。本文创造性的将神经网络逆模型应用于过程系统质量监测与诊断；提出了通过数据聚类和变量聚类实现网络结构优化的新方法，提高了系统建模的可行性和拟合精度；将模块化神经网络理论应用于建立复杂过程系统的逆质量模型和逆诊断模型；并将数据的模糊化方法应用于过程数据信息的知识表达，形成了一套新的基于知识的过程质量诊断系统化理论。 (2)仿真研究和实例研究。为了验证方法的有效性和实用性，必须将理论方法付诸于实践。本文首先结合夹套式反应釜的SIMULINK模型作了系统的仿真分析，得到了仿真系统的逆质量模型；其次是结合包钢CSP生产线的现场数据做实例研究，分别建立了连铸化学成分和连轧系统参数的逆质量模型、逆诊断模型；逆模型的预测和诊断精度均达到90％以上，诊断结果准确有效，可以满足实际过程质量控制的需要。 (3)诊断系统软件设计。为了将诊断理论系统化表达，本课题应用MATLAB的GUI开发平台，设计了一套面向对象的可视化软件系统，实现了理论方法中介绍的大部分功能。