中文摘要：

首先将样本数据通过非线性空间转换映射到高维特征空间，实现高维特征空间变量数据的线性化表示；然后针对高维特征空间中的变量数据进行解耦分离，提取过程非高斯独立元变量，并对剩余噪声变量进行正态性检验及主元分析，提取过程高斯主元变量；在此基础上，在独立输入源变量特征空间和残差特征空间分别构造SVM超球体监控模型，提出相应监控统计量；然后依据故障样本数据划分制造过程的故障模式类别，针对不同故障模式类别在其故障样本数据特征空间和残差特征空间构建对应的故障模式超球体模型，然后利用子空间特征向量欧式距离进行故障诊断；最后提出复杂耦合制造过程质量监控和异常诊断算法，并进行实践验证。

结论摘要：

主要研究了具有非线性、强耦合的生产过程质量监控和故障诊断问题。首先将样本数据通过高斯核函数转换映射到高维特征空间，实现高维特征空间变量数据的线性化。然后针对高维特征空间中的变量数据进行解耦分离，提取过程独立成分分量；在独立源变量位置特征空间和尺度特征空间分别构造SVM超球体监控模型，提出相应监控统计量进行监控。然后依据故障样本数据划分制造过程的故障模式，根据故障样本数据与不同故障模式超球体中心点的欧式距离进行诊断。