摘要：为实时监控动态过程的运行状态，提出基于提升小波变换和最小二乘支持向量机（LSSVM）及BP神经网络（BPNN）相结合的在线智能监控模型。采用提升小波变换提取原始数据的重构特征，并分别抽取重构后数据序列的均值、形状特征。利用基于提升小波重构特征的LSSVM判定动态过程是否异常，基于重构后均值特征的BPNN将5种异常模式划分为3个类别。通过基于重构后形状特征的LSSVM对3类异常模式进一步识别。最后，应用该模型对某精密轴加工过程进行在线智能监控。结果表明，与基于离散小波重构的BPNN模型、基于统计和形状特征的支持向量机模型相比，所提模型不仅识别精度高且训练耗时少。

关键词：小波重构 质量模式 动态过程 形状特征 提升小波变换 

单位：郑州航空工业管理学院管理工程学院; 郑州450046; 郑州大学商学院; 郑州450001