在线优化技术能有效提高石化装置的生产技术水平，本论文针对化纤工业的龙头——精对苯二甲酸(Pure terephthalic acid，PTA)生产过程在线优化技术中的两项关键技术，即稳态检测技术与关键性能指标软测量技术进行研究。 针对可能含有离群点的过程数据，提出一种融合离群点判别的稳态检测方法，即基于3σ法则离群点判别与自适应多项式滤波(Adaptive Polynomial Filtering，APF)稳态检测相结合的方法。仿真研究与在PTA工业的实际应用表明，融合离群点判别的稳态检测方法克服传统稳态检测方法中离群点对稳态检测结果的影响，检测结果明显优于传统的APF方法。 针对呈现高度非线性，自变量之间存在交互作用，且采集的过程数据具有一定类别特征的复杂系统，提出基于自组织映射神经网络(self—organizing map network，SOMnetwork)—主元分析(principal component analysis，PCA)—关联向量机(relevancevector machine，RVM)相结合的建模方法。仿真试验和在PTA生产过程对羧基苯甲醛含量软测量的实际应用表明：SOM—PCA—RVM模型的拟合精度和预测精度优于RVM模型和PCA—RVM模型。同时，为了提高差分进化算法(differential evolution algorithm，DEA)的寻优速度和寻优效能，提出了两种改进算法，即基于群体信息挖掘的协同差分进化算法和基于协同进化的混沌差分进化算法。仿真试验和在PTA生产过程对羧基苯甲醛含量软测量模型参数估计中的实际应用表明：两种算法的性能比传统的差分进化算法有较大的提高，取得了较好的效果。