为了提高过程模型的精度,大多数过程模型参数必须要从测量数据中估计,因此,测量数据是许多技术研究的基础与出发点,它的可靠性和准确性不仅影响模型优化结果的质量,也影响模型参数的估计。测量数据的应用是多方面的,例如,在系统试验、过程设计时所需要的数据总希望是稳定状态下取得的;对于物料及热量等衡算时希望采用的是过程稳态数据。而在另一个场合,恰恰又希望在过程条件发生变化时取得数据,如动态过程控制研究。所以,稳态检测(识别)早已成为数据协调、模型校正、系统优化、先进控制实施过程中的一个必不可少的环节。从实际出发,本文提出了广义稳态的概念,因为广义稳态现象总是在实际流程工业中真实存在并很普遍。相比其他领域的建模过程,化工生产过程中的建模对稳态数据的要求并不那么严格,所需测量数据只要是均值没有发生太大的变化即可。所以,现存的稳态识别方法因其各自的不足限制了识别广义下的稳态数据。论文研究主要涉及测量数据的滤波处理以及广义稳态识别两部分。首先,测量数据的滤波处理是过程工业自动化的一个重要环节,也是稳态检测实施之前必须解决的一个潜在的问题。本文首先对传统一阶滤波算法进行了实用性的改进;其次,着重对以自适应多项式为基础的稳态识别方法和以F检验法为基础的稳态识别方法做了较为细致的研究,并以此为基础建立了基于双阈值的广义稳态识别方法;最后,通过仿真实验论证了所有方法。为了突出基于双阈值的广义稳态识别方法实用性,将其应用在乙醇一水精馏塔的实验数据中。本文详细描述了乙醇一水精馏塔建模仿真的过程,并以此为模拟工厂装置。通过该装置的输出数据对本文所述的各种数据滤波器、双阈值的广义稳态检测进行了有效验证。此次研究内容可以为化工过程中数据协调、模型优化、故障诊断、先进控制等方面打下夯实的基础。