设备磨损、工艺调整、过程负荷以及外界环境等变化可能导致化工过程运行在多个不同工况下,变成所谓的多模态化工过程。在多模态化工过程中,各模态具有不同的过程特性和统计特征,因此传统的过程整体监测模型不再适用,需要根据不同模态的特点建立多个监测模型。然而,如何从众多过程历史数据中确定聚类数并准确划分出过程模态是个难题。相邻平稳模态之间又存在特殊的过渡过程,其具有时变性、非高斯性和强非线性等特点,使得建立精确的多模态化工过程故障监测模型十分困难。为了解决以上问题,本文展开以下三方面的研究:(1)针对先验知识不足时过程模态数未知的难题,提出自适应多模型的故障监测方法,基于正常训练数据和奇异值分解原理实现最佳聚类数的自适应提取,选用模糊C均值聚类算法离线划分正常训练数据的模态,基于主成分分析原理完成不同平稳模态和过渡模态的监测建模,实现对整个过程的状态监测。将该方法应用到丙烯计量罐装置,并与基于类内类间划分(Between-Within Proportion,BWP)聚类有效性指标的方法进行对比,误报率最高降低了5.59%,漏报率近乎为0。结果表明该方法能够克服先验知识的不足,准确划分模态,提高过程监测的准确性。(2)针对多模态化工过程的非高斯性及固定点独立成分分析算法易受初始点影响而陷入局部极值的缺点,提出全局寻优的非高斯多模型故障监测方法。用lilliefors test正态性检验法识别非高斯变量,用模糊C均值聚类算法划分过程模态,用粒子群算法改进传统的独立成分分析算法,并针对不同过程模态特点建立各自的非高斯监测模型,实现全过程在线监测。案例分析中将此方法应用到丙烯计量罐装置,与固定点独立成分分析算法对比,误报率最高可降低2.42%,漏报率也控制在0.74%左右。证明该方法能提高多模态化工过程非高斯变量故障监测的准确性。(3)针对传统方法所采用的静态控制限不能排除过程噪声干扰而产生误报警的问题,提出动态多点故障监测方法。平稳模态,基于自回归模型和非高斯模型构造单点监测统计量和多点异常统计量,采用动态控制限监测;过渡模态,使用动态控制限来监测基于非高斯模型所构造的非高斯统计量。将动态多点监测方法应用到丙烯计量罐装置中,结果表明,该方法漏报率小于0.8%,与3σ阈值监测法相比,误报率降低了6.33%,并控制在1.2%以内。