摘要：针对多变量过程均值异常，提出了选择性有向无环图支持向量机（DAG-SVM）集成，以之为模式识别工具对过程状态进行识别，以探测异常和判别异常源。集成结合Bagging方法的重复采样技术和对DAG-SVM结构的调整，对数据和模型进行双重扰动，以获得差异的候选个体；再通过二进制粒子群优化（BPSO）算法得到最优集成方案。离线仿真测试证明所提选择性DAG-SVM集成具有分类正确率和效率的双重优势；在线仿真测试表明基于选择性DAG-SVM集成的模型探测过程均值阶跃异常优于X^2图和BPN（误差反传神经网络）模型，且判别异常源比BPN模型更准确。针对实际齿轮加工过程数据的应用验证进一步证实了模型的有效性和实用性。

关键词：统计过程控制 多变量过程 均值阶跃 有向无环图支持向量机 

单位：重庆大学机械传动国家重点实验室; 重庆400030