装备产品在各领域的广泛应用使得对其生产质量的要求越来越高，该类产品的生产质量水平也体现了国家的科技实力和综合国力。而智能化制造过程的质量状态控制是保证和实现其产品质量的重要基础，是产品质量控制的重要环节。这些产品制造过程的制造装备运行状态、工艺环境和工艺参数的变化，会引起制造过程质量状态的时变性和动态波动性，从而导致其产品质量难以保证。带来了质量状态的空间波动规律难以描述，质量状态稳定性难以分析与判定，质量波动评价决策难以制定等问题，引起制造过程的质量缺陷不断传递与扩展，影响最终的产品质量。因此，研究智能化制造过程的质量状态控制理论与方法对实现产品的高质量要求，提高该类产品的市场占有力、乃至国家装备制造业水平有着重要意义。
本文以制造过程的质量状态稳定性分析与波动评价为研究目标，在从多维动态耦合的角度分析了制造过程质量状态稳定性分析与评价难点的基础上，提出了基于状态熵流驱动的多维过程质量状态稳定性分析与波动评价方法体系，分别从质量状态云池建模、质量状态稳定性判定和质量状态波动评价等层面对制造过程的质量状态控制技术与方法进行深入研究，形成一个“云池建模——稳定性判定——波动评价”从整体到局部、从过程建模到波动分析的理论方法体系，为制造过程的多维质量状态控制与改进提供新的解决思路与可行方法。具体研究内容包括以下几个方面：
在分析制造过程的质量状态多维度耦合关系的基础上，结合熵流理论和数据驱动技术提出了状态熵流驱动多维质量状态控制的概念，并对其内涵和特点进行了论述。构建了熵流驱动的制造过程多维质量状态的稳定性分析和波动评价方法的体系架构，从云池建模、稳定性分析以及状态波动评价的角度分析了该方法体系的执行逻辑，并对该方法体系包括的三个关键使能技术“基于多维信息熵的制造过程质量状态云池建模”、“基于变点识别的多维质量状态稳定性判定”、“基于状态空间模型的质量状态波动评价”的逻辑关系进行了阐述。
针对制造过程呈现的质量状态多维特性、不确定性和时变性所引起的质量状态建模与波动演化问题，从状态熵流的角度出发，提出了一种基于多维信息熵的制造过程质量状态云池建模方法。通过对制造过程的多维质量状态的数据特征空间进行描述，分析多维质量状态空间的分布规律，提出了面向制造过程多维数据特征融合的质量状态稳定性分析的云池建模框架；基于云模型理论，融合制造过程波动的确定性和波动状态的随机性，构建了制造过程多维质量状态云池模型。通过对云数字特征的定义研究了基于云模型相似性的质量状态监控方法；在此基础上分析多维质量波动的状态演化机制，建立了熵流驱动的多维质量状态波动空间负熵函数模型；据此对多维质量状态的时变波动机理进行分析，基于质量状态的负熵函数模型的分叉机制研究了制造过程的质量状态波动演化机理，对制造过程的多维质量状态进行动态演化分析，揭示了制造过程多维质量状态的变化动向和演化趋势，为研究制造过程的质量状态稳定性提供决策依据。
为了及时发现制造过程的质量状态异常波动并进行质量状态的异常预警，提出了基于变点识别的多维质量状态稳定性判定方法。首先通过研究多维过程质量状态波动的统计分布特性，对质量状态统计分布的变点结构和质量异常波动规律进行分析；然后基于移动窗口技术和多核学习理论，提出了过程分解和多核集成的质量状态变点识别方法。使用移动窗口来处理过程时间序列观测数据，将加工数据离散为多个时间子系列，每个时间子序列的数据都被当成一个模式来处理；在此基础上构造多核支持向量机模型对各模式进行识别，同时为了提高识别精确度，采用粒子群优化算法对多核核参数进行联合寻优。通过该方法构建制造过程的质量状态变点识别模型，实现对异常过程的质量状态变点识别和稳定型判定，为制造过程的质量状态稳定性判定和异常预警提供技术支持。
针对制造过程质量状态的波动难以评估和分析的问题，提出了一种基于状态空间模型的制造过程质量状态波动评价方法。首先分析了制造过程质量状态的波动扩散效应，构建制造过程状态波动的层次化网络模型架构，据此构建制造过程质量波动的状态信息网络模型；在此基础上分析质量状态波动与质量稳定性之间的耦合关系和质量波动效应，构造节点波动度量模型对质量状态网络的波动程度进行统计分析；为了构造质量状态的有效波动边界，构建了熵-支持向量数据描述算法探寻质量状态空间建模技术，进而提出了基于状态空间模型的质量状态波动评价方法，基于核距离测度定义动态波动度指标对质量状态的波动程度进行定量度量，实现了质量状态波动程度的定量评价。　
依据上述理论和方法，开发了状态熵流驱动的制造过程质量状态稳定性分析与波动评价的原型系统，并以压缩机缸体加工过程状态质量为案例对象，验证了本文所提出的模型和方法的有效性。结果表明论文提出的相关方法、模型与理论是正确可行的。