间歇过程是一种重要的工业生产方式,被广泛应用于精细化工、生物制药、微电子等领域。间歇过程中的关键参量与产品的质量密切相关,因此在间歇过程中需要获得关键参量的在线测量数据,但受到传感技术限制,如菌体浓度、底物浓度这样的关键参量不易在线测量,通过建立间歇过程软测量模型能够对不易测量的关键参量进行在线估计,进一步采用状态估计方法求解软测量模型,能够降低噪声干扰,提高估计精度。然而,间歇过程具有多阶段的特点,整体软测量模型并不能完全描述间歇过程各个阶段的动态特性,整体软测量模型较低的精度影响了间歇过程关键参量的软测量。现有方法对间歇过程建立分段软测量模型,而建立间歇过程分段软测量模型需要考虑间歇过程时段划分和过渡阶段建模问题,使得间歇过程软测量分段建模实现复杂。因此,在使用间歇过程整体软测量模型的情况下,提高基于状态估计的间歇过程软测量方法的估计精度具有重要的应用价值。本文构建了一种关键工艺事件节点匹配策略,并研究了基于状态估计的间歇过程软测量方法。首先,针对动态时间规整方法用于批次数据在线规整时,随着反应的进行测量值向量序列数据量不断增大,导致在线规整计算量不断增大影响实时性的问题,构建了一种可变窗口动态时间规整（Variable Window Dynamic Time Warping,VWDTW）方法,该方法在动态时间规整中引入了加窗处理以及窗口选取策略,在保证在线规整精度的同时提高了实时性;然后通过相关向量机补充间歇过程测量方程,结合机理模型实现间歇过程软测量混合建模;构建了一种关键工艺事件节点匹配策略,将状态估计初值代入状态方程中递推得到间歇过程的状态预测序列,将状态预测序列代入补充的间歇过程测量方程中,得到可测参量预测序列,通过对测量值向量序列与可测参量预测序列进行在线规整,实现状态方程所预测关键工艺事件节点与过程关键工艺事件节点的匹配,在此基础上重新获得当前时刻状态预测值,从而提高软测量模型估计精度;在建立的间歇过程软测量混合模型与构建的关键工艺事件节点匹配策略基础上,实现了基于状态估计的间歇过程软测量。实验研究表明,所构建的VWDTW能够在保证在线规整精度的情况下提高实时性;所构建的关键工艺事件节点匹配策略,能够提高基于状态估计的间歇过程软测量估计精度。