间歇过程作为一种重要的生产方式,已被广泛应用于现代工业的各个领域。对于间歇生产,两个需要解决的关键问题是过程运行的安全可靠和产品质量的稳定一致。过程监测和质量预测是解决以上两个问题的有效途径。其中,基于多元统计分析方法的间歇过程监测和质量预测,因其只需利用正常工况下的过程数据来建立统计模型,受到了越来越多研究人员的关注,已经成为了广泛研究的课题。在间歇过程中,由于操作条件的需要或者内部反应的原因,使得一些间歇过程在一个批次内具有多重阶段,这样的间歇过程叫做多阶段间歇过程。由于多重阶段的存在,使得面向多阶段间歇过程在线质量预测和过程监测更具挑战性,同时,也提供了巨大的研究空间。本文针对多阶段间歇过程,提出了有效的质量预测和在线监测方法,具体如下:(1).多阶段间歇过程的最终产品质量取决于不同阶段共同的累积作用,而传统的基于最终产品质量建立的预测模型并没有考虑这种关键性作用,这使得传统模型并不能准确反映出过程变量与质量变量之间的内在关系,从而影响了模型的预测精度。针对这一问题,提出了基于阶段累积质量模型的在线质量预测方法。该方法通过建立阶段累积质量模型来隔离不同阶段对质量的局部累积作用,然后累加所有阶段累积质量预测值来实现最终产品质量预测,考虑了不同阶段对质量的共同累积作用。(2).多阶段间歇过程中的过渡过程对产品质量有着重要的影响,因此,在质量预测过程中,过渡过程的建模是至关重要的。为了提高产品质量预测性能,提出了一种考虑过渡过程的在线质量预测方法。首先,通过定义一个改进的重复因子将间歇过程划分成不同的稳定阶段和过渡过程。然后,提出了基于过渡过程转换点和即时累积模型的在线质量预测方法。该方法通过引入过渡过程转换点和一个新的相似因子来优化建立即时模型的输入集。并且,通过建立过渡过程的即时累积模型来考虑过渡过程对质量的即时累积作用,从而提高了过渡过程预测的精度。(3).最终产品质量不仅取决于过程变量对质量的累积作用,而且取决于质量自身的累积作用。然而,传统的质量预测方法并没有考虑到双重的累积作用。针对这一问题,本文提出了基于双重累积模型的在线质量预测方法。通过建立内部累积模型和外部累积模型构建了双重累积模型,充分考虑了过程对质量以及质量自身的累积作用。基于该双重累积模型的质量预测无需对将来数据进行估计,并且能够在过程的初始阶段考虑到质量的累积作用。同时,针对传统的过渡过程在线质量预测方法需要建立较多模型问题,建立了两个确定性模型来实现质量预测,简化了过渡过程的建模复杂性,提高了过渡过程在线质量预测的效率和性能。(4).为了提高多阶段间歇过程的在线监测性能,本文提出了基于两步特征向量选择的核变量相关性分析(TSFVS-KVCA)的在线过程监测方法。该方法解决了多阶段间歇过程进行非线性信息提取时所遇到的高维核矩阵谱分解计算复杂和结果不稳定的问题。并且,基于TSFVS-KVCA方法提取的基向量考虑了相邻阶段的共有非线性信息和阶段内特有的非线性信息,不仅提高了过程监测的性能而且为过渡过程的建模提供了有利的平台。在此基础上,本文进一步提出了基于主导阶段判别的过渡过程在线监测方法。将以上方法应用到多阶段间歇过程的仿真研究中,得到的仿真结果说明了其有效性和可靠性。最后,在对全文进行总结的基础上,对多阶段间歇过程领域未来的研究进行了展望。