间歇过程是现代工业过程中最重要的加工方式之一,具有小批量生产、高附加值等诸多优点,广泛应用于精细化工、生物医药、纸浆造纸、半导体工业等众多领域。随着社会经济的发展和物质生活水平的提高,人们对产品品质的要求不断攀升和企业追逐经济效益等因素推动了现代工业系统规模不断扩大、自动化程度不断提升。然而,愈发复杂的工业系统一旦发生事故,造成的危害和损失往往难以估量,因此过程安全可靠运行以及产品的高质量追求已成为了国内外过程控制领域关注的焦点。机理模型的建立耗时耗力且面临模型失配的问题,导致基于机理模型的过程监测方法在实际过程中可能并不适用。随着数据存取和分析技术的飞速发展,数据驱动的过程监控研究在间歇过程中越来越受到重视,并吸引了大批学者的广泛关注。间歇过程面临特有的多阶段工序、多模态并存、累积质量特性和强动态特性等特点,然而现有方法并不能够完全有效的解决间歇过程监控所存在的问题。例如,时段划分结果受关键可调参数的影响、过程数据来自单一操作模态的假设以及无法进行批次内质量控制等问题。本论文在深入研究这些特性的基础上,从解决实际问题的角度出发,提出了一系列基于时段的间歇过程统计建模、在线监测、质量预测与控制算法:1.针对间歇过程的时段划分问题,提出一种基于两步迭代的有序时段划分方法,一方面避免了时段划分结果受关键可调参数的影响,另一方面克服了过渡模式的定量识别问题。首先对于选择的任意关键参数,得到初步的时段划分结果并研究过程变量相关关系在时段内的分布信息。随后,利用快速峰值与密度聚类分析方法,基于优化调节思想对关键参数进行更新。通过上述两个步骤的交替执行,得到唯一、有序的时段划分结果。另外,定义基于密度和距离的过渡模式定量识别规则,在时段划分结果的基础上实现了过渡模式的精确判别,从而达到稳态时段和过渡时刻分别监测的目的,进一步提升了监测性能。2.针对间歇过程的多模态监测问题,提出一种基于多模态费舍尔判别分析的过程监测方法,克服了单一操作模态假设的局限性。将整个批次轨迹作为研究对象,基于动态时间规整方法从数据分布的角度对所获取的数据进行自动分类,体现批次方向上的差异。考虑到模态信息随时段不同而不同,进一步在每个时段内提出了多模态费舍尔判别分析方法,深入分析模态间的差异性,通过稀疏化分析定量衡量导致模态差异的根本原因,实现了间歇过程模态的划分和不同模态之间原因变量的追溯。3.针对间歇过程的产品质量预测问题,从产品质量特性出发,提出一种基于子空间分解的质量预测方法。该方法能够自动判断和分析产品质量的累积属性,为选用合理的质量预测模型提供判断性准则。对于累积型产品质量,分析各个时刻上过程波动对产品质量的独立影响,关注连续时刻对质量影响的补充变化作用,从而完成预测能力的累积叠加。以时段作为分析单元,重点研究了累积效应下的关键时段选取以及时段间累积效应表征,最终实现累积质量的在线预测。作为累积型质量的一种特例,非累积质量也可以直接利用所提出的方法进行分析,本方法在提升质量预测精度的同时加深了对过程的理解。4.针对间歇过程的非优状态与质量控制问题,提出一种基于强化学习方法的智能自愈控制方法。首先,分析导致运行状态退化的原因变量,建立相应的定量判断方法,实现非优原因变量的自动追溯。进一步,鉴于间歇过程的强动态特性导致无法精确建模的难题,构建基于依赖启发式结构的质量自愈控制器,重点研究了无模型下的在线质量控制方法,实现了利用生产过程自身信息来指导非优变量的调节,达到产品质量在线控制的目的。为了验证上述算法,利用青霉素发酵和注射成型这两个典型间歇过程作为应用案例,实现了算法的有效性和可靠性的验证,从而丰富了间歇过程统计建模、在线监测及质量预测的研究成果,并揭示了进一步研究的必要和可能。