发酵生产过程是典型的间歇过程,其应用的领域涉及食品、医药等具有较好发展前景的产业。保证安全、高效地生产对发酵产业而言是非常重要的,关系到发酵产业的兴衰存亡。本课题针对发酵过程的非线性以及多阶段等特点,研究一种基于核熵成分分析的多阶段发酵过程监测算法,实现发酵过程的阶段划分和发酵过程的故障监测。(1)研究一种基于角结构统计量的MKECA发酵过程监测方法针对发酵过程复杂非线性的特点,研究一种基于角结构统计量的多向核熵成分分析(multi-way kernel entropy component analysis,MKECA)发酵过程监测方法。该方法采用KECA提取发酵过程数据的主成分矩阵。之后利用主成分矩阵构造基于角结构的统计量应用于发酵过程的故障监测。(2)实现基于FCM算法的发酵过程阶段划分针对发酵过程的多阶段特点,研究模糊C-均值(FCM)聚类算法,实现发酵过程阶段的划分。该方法将发酵过程分为多个阶段,之后对每个阶段分别建模能够提高故障监测的灵敏度。此外,由于发酵过程有着阶段不等长的特点,提出一种基于相似度判别理论的方法实现在线监测时采样点的归属判断。(3)提出一种基于核熵成分分析的多阶段发酵过程故障监测方法结合发酵过程的多阶段和非线性特点,提出一种基于核熵成分分析的多阶段发酵过程监测方法,实现对发酵生产过程故障监测。首先采用FCM聚类算法将发酵过程划分为多个子阶段,之后分别对每个子阶段建立MKECA故障监测模型。在青霉素发酵过程的仿真实验中,本文方法可以迅速检测到故障,同时误报率明显降低。(4)大肠杆菌发酵现场实验研究最后将课题研究的方法应用到大肠杆菌发酵的现场实验中,实验结果表明,该方法能够有效提取生产过程数据信息,快速检测到故障的发生。与MKPCA(multi-way kernel principal component analysis)方法相比,误报率明显降低,监测灵敏度更高。