建立了印刷质量控制图模式的数学模型,基于Monte　Carlo(MC)方法模拟印刷质量数据,生成仿真样本,并使用标准变换和线性编码方法进行预处理,既不失样本数据的内在特征,又大大降低了数据复杂度.通过实验确定了结构为24-18-16-4的4层反向传播(back　propagation,BP)网络模型,并采用比例共轭梯度训练算法,提高了网络的稳定性和收敛速度.在对控制图模式识别时,采用不同训练样本容量的实验方案,模式识别正确率达95.87%.结果表明,该方法可以提高印刷企业的质量控制水平和自动化程度.