本论文以多元过程为研究对象，以计算机仿真分析为手段，利用联合控制技术、支持向量机与级联相关神经网络等，研究了多元统计过程控制中，多元过程均值向量和协方差矩阵的监控，以及多元过程质量诊断中，发现过程异常，定位过程失控原因的方法和实现技术，以便提高过程产品质量，减少质量缺陷，对提高企业的市场竞争力具有重要的意义。研究将进一步完善补充多元统计过程控制与异常诊断的技术与方法。本论文的主要研究内容包括：1．多元过程均值向量与协方差矩阵监控。研究能同时监控多元过程均值向量和协方差矩阵的控制图，发现过程异常因素，显得尤为重要。基于此，本文提出了能较大范围有效地监控多元过程的均值向量和协方差矩阵的单个控制图，为企业在质量控制方面提供了较好的应用和参考价值；2．针对多元过程中特殊的二元过程，本文提出了基于联合T2和VMAX控制图对其监控，研究了该联合控制图的ARL性能，并与联合T2和|S|控制图进行比较，该联合控制图能够有效地监控二元过程的均值向量和协方差矩阵；同时设计了联合单变量控制图，提出了基于非中心卡方分布与联合单变量控制图的二元过程均值向量偏移方向诊断方法，能为企业在线操作人员或质量工程师提供更加详尽的过程变异信息，以便快速的恢复过程的正常状态；3．多元控制图均值偏移诊断的优化支持向量机方法研究。支持向量机能对小样本很好的学习，但其核函数参数的选择对模型的性能有较大的影响，本文首先利用K折交叉验证方法来选取支持向量机核函数的参数，构建多元控制图均值偏移诊断模型；而后提出应用离子群优化算法优选支持向量机的核函数参数，构建支持向量机模型诊断多元过程异常；最后分析了构建模型的性能，构建的模型能有效地对过程异常进行诊断；4．级联相关神经网络在制造过程的应用研究。基于反向传播神经网络算法的优缺点，提出基于级联相关神经网络算法的多元过程异常诊断技术，并将该技术应用在多元制造过程中，通过仿真与实证分析表明，该技术能够有效地对过程异常进行诊断，诊断的准确率较高。