控制图是质量控制的重要工具之一，广泛应用于生产过程的质量监控，能够发现过程运行中出现的系统性漂移，及时报警并采取措施，保证产品质量。控制图的建立可以分为两个阶段：(1)回溯分析阶段(PhaseⅠ，离线阶段)，通过对合格生产过程的历史数据的分析，提取典型的基础数据，并建立基础统计模型；(2)监测阶段(PhaseⅡ，在线阶段)，将新的观测数据与基础统计模型进行比较，如果新的观测值与模型不足够接近，则判断过程出现异常，需对该过程进行调整。　　 在回溯分析阶段，一般假设基础数据服从同一分布，但实际上基础数据有可能服从多个分布。因此，对历史数据中隐含的不同分布进行识别是很有必要的。并在此基础上对历史数据进行过滤，提取不同分布下的基础数据并建立控制图，才能更好的保证在线监测阶段对过程异常的有效监控。　　 变点识别问题是回溯分析问题中的研究重点。多数研究均以过程服从某己知参数分布为基本假设，其方法对特定分布的依赖性很高。鉴于此，本论文提出基于数据密度的变点识别研究，其基本原理是：首先利用聚类分析原理将基础数据进行聚类，以滑动窗口宽度为单位分别统计每类数据的数据密度，通过对数据密度的比较，从而确定变点位置。该方法所依据的理论主要有聚类分析原理　　 (Clustering Theory)、滑动窗口理论(Moving Windows)及数据密度估计(DataDensity Estimation)。　　 通过Matlab软件，本论文将所提出的方法与传统的LRT方法和MMA方法进行了性能效果的对比，仿真性能研究分析的结果表明所提出的方法具有不错的综合性能。　　 最后本论文将所提出的变点识别方法进行总结，并对其未来可能的研究方向进行了展望。