石化生产过程具有高温高压、易燃易爆、有毒有害等特点,未及时发现和排除故障将会导致重大人员伤亡和经济损失,甚至影响生态环境。因此研究过程故障诊断和预报技术具有重要现实意义。本文以连续生产过程为背景,针对多变量、非线性以及非高斯性等问题,基于状态估计方法研究并提出了新的过程故障诊断和预报方法,并通过仿真研究对方法的有效性进行了验证和分析。首先,为了考虑多维观测数据的时序自相关性和变量互相关性,利用低维特征捕捉过程动态特性,提出一种基于典型变量分析状态残差的故障检测方法。首先利用观测数据建立典型变量分析模型,然后提取过程状态,估计状态空间矩阵,从而建立子空间模型。将典型变量分析模型估计的状态与子空间模型估计的状态进行对比获得残差,设计多元统计量监控残差的变化趋势。在连续搅拌反应器上的仿真研究表明,所提方法能够根据低维特征信息更快速更灵敏地检测到故障。其次,针对非线性多变量过程,提出两种基于unscented卡尔曼滤波新息特征的故障诊断方法:多变量序贯概率比检验方法和信息散度方法。利用unscented卡尔曼滤波器产生预测新息,对新息特征进行深入研究。多变量序贯概率比检验方法通过构造对数概率似然比统计量和判决规则监控过程的运行状态。为了进一步考虑预测新息中的非高斯特征,信息散度方法利用核密度估计计算多元新息的概率分布,设计信息散度统计量监控过程的运行状态。利用对称信息散度计算待诊断过程与故障库中各类故障之间的距离,识别故障类型。在连续搅拌反应器上的仿真结果表明,提出的方法能够有效监控过程变化,正确识别故障类型。针对未知非线性系统故障预报问题,提出一种基于支持向量机新息预测的改进卡尔曼预测方法。通过典型变量分析子空间辨识算法获得未知非线性系统的局部线性化模型,利用该模型和卡尔曼滤波器对过程进行跟踪和预测,并利用支持向量机时间序列预测算法预测未来新息,基于未来新息修正卡尔曼单步和多步预报。在连续搅拌反应器上的仿真研究表明,所提方法能够准确预测过程的动态变化趋势,提前预报故障状态。最后,为了增强unscented卡尔曼滤波对故障过程的跟踪和预报能力,提出一种基于模糊自适应unscented卡尔曼滤波的预测器。根据预测效果调节状态误差协方差矩阵和卡尔曼增益,增强unscented卡尔曼滤波器对故障过程的跟踪能力。针对过调节导致的跟踪波动较大问题,设计Takagi-Sugeno模糊逻辑系统平滑调节。仿真研究表明,模糊自适应滤波器能够在保证强跟踪能力的同时实现平滑跟踪,基于模糊自适应滤波的预测器能够精确预测未来过程输出,实现提前报警。