1.一种SMT生产过程控制图模式识别方法，其特征在于，所述SMT生产过程控制图模式识别方法，包括：步骤1：获取SMT生产过程中当前阶段工序的控制点的关键质量参数，对所述关键质量参数进行预处理；

步骤2：对预处理后的关键质量参数进行小波分解，得到关键质量参数的高频信号和低频信号；

步骤3：将所述高频信号和低频信号输入至预训练好的多分类支持向量机中进行控制图模式的识别，同时根据高频信号和低频信号绘制控制图，所述控制图模式包括正常模式和异常模式，所述异常模式包括周期模式、上升趋势模式、下降趋势模式、向上阶跃模式和向下阶跃模式；

步骤4：根据所述多分类支持向量机输出的控制图模式的识别结果，利用统计过程控制方法得到异常模式下对应的异常原因、以及预测下一阶段工序的控制图模式变化趋势。

2.如权利要求1所述的SMT生产过程控制图模式识别方法，其特征在于，所述对关键质量参数进行预处理，包括：步骤1.1：获取一组关键质量参数作为原始数据x，x＝(x1,x2,x3,…,xn)，n为原始数据x包含的数据个数，且n为奇数，计算原始数据x的均值 和标准差δ，如下：当 时，则数据xi为异常点，xi为原始数据x中的第i个数据；

当数据xi为异常点时，若数据xi为正，则将数据xi赋值为 若数据xi为负，则将数据xi赋值为步骤1.2：若数据xi缺失，即xi＝0；或数据xi缺少属性值，即xi＝nlack；或数据xi属性值不一致，即xi＝nerror时，对数据xi进行重新赋值，如下：即数据xi缺失或缺少属性值时，将均值赋值给该数据，若数据xi属性值不一致时，则将原始数据的中位数赋值给该数据，且若数据xi缺失、缺少属性值或属性值不一致时，则在计算原始数据x的均值 和标准差δ时忽略该数据。

3.如权利要求1所述的SMT生产过程控制图模式识别方法，其特征在于，所述对预处理后的关键质量参数进行小波分解，得到高频信号和低频信号，包括：建立M级小波变换如下：

式中，x(n)包含计算得到的高频信号和低频信号，n为原始数据x包含的数据个数，waM和wbm为小波系数，AM(n)为Haar小波基函数，Bm(n)为Morlet小波基函数。