作为一种重要工业生产之一的间歇过程,目前已有大量的理论研究和工业应用,尤其在一些以生产高价值产品的行业应用更为广泛,如化工、制药、生物、半导体等。为了保证间歇过程能够安全稳定的运行,需要对其系统中的扰动、人为的误操作等异常进行监测,又因间歇过程自身存在动态特性、非线性、多操作阶段性等特殊性质,加大了对过程监测的难度。因此,研究间歇过程的异常监测方法具有重要的理论意义和实际价值。针对间歇过程的特点,本课题采用基于模型的监测方法。首先研究基于机理模型和支持向量机(Support Vector Machines,SVM)组合的混合模型,依据结构风险最小化准则对间歇过程建模。然后基于混合模型的结果,采用容积卡尔曼滤波(Cubature Kalman Filter,CKF)对数据进行预处理,获取状态新息序列和观测预测残差序列,使用规范变量分析(Canonical Variate Analysis,CVA)处理所得到的数据序列,最终依据监测控制限完成间歇过程故障监测。将所提出的监测方法应用于典型间歇过程——发酵过程,取得了预期的结果。本课题所提出的基于SVM和机理的混合结构模型具有较好的鲁棒性,采用的CVA方法对CKF滤波新息序列进行统计监测,能够有效地降低系统故障的漏检率。