在航天器、精密仪器等复杂产品的制造过程中,由于流程多,工艺复杂,导致关键质量特性与响应变量之间呈现出非线性的函数关系,这种关系可用轮廓数据描述。近年来,轮廓监控的研究引起了国内外学者的关注。由于质量特性观测数据的来源不同、取样方式多样,使得用于揭示质量特性与响应变量之间非线性关系的轮廓数据包含大量噪音。目前关于非线性轮廓的监控主要集中在控制图方法,然而,由于噪音的干扰性和轮廓数据的非线性使得控制图监控方法识别精度不高。因而,如何有效地克服噪音的影响,构建识别精度高的监控模型是非线性轮廓监控亟待解决的问题。同时复杂产品造价高、不合格品率较低,如何在异常样本缺失的情况下对轮廓数据进行监控也是需要研究的问题。本文以小波分析和质量控制为理论基础,系统研究了基于小波分析的非线性轮廓监控方法。首先,通过非线性轮廓监控研究现状、轮廓监控和小波分析的基本原理,概述了国内外轮廓监控的研究和相关理论。其次,在小波阈值去噪与支持向量数据描述(SVDD)原理的基础上,提出小波阈值去噪预处理方法。并选择合适的小波函数与阈值函数对原始轮廓数据进行小波分解与重构。进而,利用去噪后的数据和支持向量数据描述方法,构建基于小波分析的轮廓监控SVDD模型,并研究了该模型参数选择与性能评价指标。最后,根据实际案例背景,利用仿真数据构建轮廓监控SVDD模型,进行仿真实验分析。实验结果表明,本文所提的监控模型对异常轮廓的监控效率明显优于现有的监控方法。本文特色与创新之处在于以下三方面:(1)为了消除噪音对轮廓数据的影响,将小波分析方法引入到轮廓监控中,利用阈值去噪法对轮廓数据进行预处理,以克服噪音对模型识别精度的影响。(2)利用支持向量数据描述方法,对预处理后的数据构建SVDD模型,对比分析不同参数对监控效果的影响,并提供了该方法的实施步骤。(3)利用信噪比和均方误差的仿真实验,表明了去噪预处理方法的有效性。通过与χ~2、T~2等控制图的性能比较,显示本文所提方法的监控效率明显优于这些方法。本文的研究不仅为非线性轮廓数据提供了一套可操作的监控方法,而且为其他数据的质量异常监控提供了理论依据和分析方法。