发酵生产与人们的生活息息相关,它是典型的非线性、动态、多阶段间歇生产过程。不同于一般的工业过程,机理十分复杂,而且其操作复杂度远远大于连续过程,产品质量更容易受到如原材料、设备状况、环境条件等不确定性因素的影响。为了提高发酵生产过程与控制系统的可维护性和安全性,并同时提高产品的质量,迫切地需要建立过程监测系统对生产过程进行故障监控。目前,用于过程监测的方法按照先验知识的不同可分为三类,即基于解析数学模型的方法、基于知识的方法和基于数据驱动的方法。发酵过程涉及菌体的生长繁殖过程,机理十分复杂,很难得到准确的数学模型,限制了基于数学模型的监测方法的应用;基于知识的方法适合于有大量生产经验和专家知识可利用的场合,而发酵过程的生产经验与专家知识积累有限,因此该类方法在过程监测中难以得到普遍应用;随着计算机技术的发展,大量的过程数据被采集并存储下来,而基于数据驱动的方法,正是通过对采集的观测数据建立统计模型并进行分析,判断过程所处的运行状态,在线检测与识别过程中存在的异常状况,从而有效地指导生产,提高产品的生产率。本文针对发酵生产过程的基本特征,系统地研究了监测过程中的若干问题,提出了一些新的统计过程监测算法,以此来提高过程监测能力与产品质量,保证生产安全。本文的主要工作有以下几个方面:(1)介绍了间歇过程的特点与监测难点、过程监测的基本概念、内容和分类,着重论述了基于数据的过程监测方法的发展历史、研究现状及其存在的问题。回顾了发酵技术的发展历史,阐述了发酵过程的特点和分类、生产流程及操作方式,结合Pensim Benchmark仿真平台,论述了青霉素发酵过程的建模与监测现状。(2)发酵过程中存在的不同操作模式,以现有方法直接对过程建立单一模型进行监测,往往会引发大量的误警。针对以上问题,提出了一种多MPLS模型统计监测方法,分别以MPLS对各个操作模式建立监测模型。基于Pensim仿真平台,运用T~2、SPE统计监测图,结合监测变量贡献图对青霉素发酵过程进行建模与监测,仿真结果表明,所提出方法可以减少误警、在过程的不同操作模式下能监测到过程中存在的故障并能辨识出故障源。(3)针对发酵过程存在的时变特性,提出了一种在线的基于秩-1矩阵摄动的递归主元分析(RPCA)算法以提高过程监测的性能。以Pensim为仿真平台,结果表明所提出算法能有效跟踪过程的时变特性,减少系统的误警且能及时地监测出过程中存在的故障,适合于过程的在线监测。(4)针对发酵过程中典型的动态强非线性特征,提出了一种将EWMA与KPCA相结合的MEWMA-KPCA算法,以跟踪过程的动态特性并使其能有效处理过程的非线性属性。基于Pensim仿真平台,结果表明,所提出算法可获得过程的动态非线性特性,用于过程监测可降低正常运行过程的误警与漏报现象,且能较早地检测出故障。(5)针对过程数据分布的非高斯特性,提出了一种基于特征空间递归更新的在线独立元分析(RUFS-ICA)监测算法,在每一监测时刻,先对样本的特征空间递归更新,后用ICA算法提取过程变量的独立元,在计算出统计量后通过监测图对过程进行监控,实现了过程的在线监测。基于Pensim平台,仿真结果表明,所提出算法基本克服了漏报现象,降低了在线监测的运算复杂度,节省了存储量,从而证明了算法的有效性。最后,在总结全文的基础上,对未来的研究工作进行了展望。