随着社会的发展,生活水平的提高,人们对卷烟产品的质量要求也越来越高。为了稳定卷烟质量、满足细分市场,烟草制丝工艺日趋精细与复杂,这也使得烟草行业更加注重对卷烟质量的控制。在制丝过程中会受到多种因素的影响,烟丝的质量必然会发生波动,要实现制丝的高效率、高质量,就必须保证生产过程处于稳定受控的状态,因此面向生产过程的质量监控就变得非常重要;另一方面,数字化制丝流程的实施,大大提高了制丝车间的信息化、自动化程度,如果过程状态的监控还是仅仅依赖人为因素,否则将严重阻碍烟草行业自动化程度和质量管理水平的提高。本论文针对上两个问题,提出了将SPC方法和BP神经网络技术相结合,应用于烟草制丝过程质量控制,研究了制丝过程质量的智能监控技术。首先,根据制丝过程的特点,把SPC方法应用于制丝过程质量控制。通过分析制丝工艺的关键工序以及重要质量特性指标,确定SPC的控制对象;提出了控制图的应用方案,选择均值–极差控制图进行质量控制,然后以实例说明了控制图在制丝工序中的具体应用其次,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SPC控制图分为正常、向上阶跃、向下阶跃、趋势上升、向上阶跃、趋势下降、周期6种基本模式,并建立起相应数学模型;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。在理论研究的基础上,采用改进BP算法,建立了1个控制图模式识别网络、3个异常模式参数估计网络,分别估计阶跃模式的幅值,周期模式的幅值和周期长度,趋势模式的斜率。然后,依据SPC理论,从人、机、料、法、环、测6个方面,针对每一种异常模式,分析并总结典型的异常原因及调整建议,建立异常诊断知识库。最后,基于SQL Server2000设计制丝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,开发了制丝过程质量监控与诊断系统,实现了制丝质量数据管理,控制图绘制,过程状态的识别和特征参数估计,异常原因分析诊断等功能,并进行了实例测试。