现代流程工业生产过程表现为物料流、能量流、信息流,而生产设备在物理结构上表现为静态,生产中的异常状态是在各种“流”的引导下在其中传播的过程,异常状态在各个监测变量中表现出异常变化的前因后果、时序先后的关系。沿着这一思路,本文提出了两类相互关联的新方法,用于对流程工业生产过程的异常状态监控。由于一个异常状态的出现都经历盟芽、发展到扩散的过程,这一过程的信息往往蕴涵在压力、温度、流量、液位等变量的异常变化(升高或下降引起的过程报警)中。对此本文提出一类基于最小二乘拟合的五元变化趋势判断算法,它利用历史数据对变化趋势作出发散上升、收敛上升、平稳运行、收敛下降和发散下降的判断,并对超设定值进行了超上、超下阈报警的分类,从而把隐含在运行参数中的异常故障信息挖掘出来对异常状态严重程度进行判断。论文给出了一类新的着色赋时Petri网,用库所代表各个观测变量,用正、负变迁来描述它们之间的因果关系,库所颜色集和时间集来表示变量的五类变化趋势以及持续的时间,用二元颜色集的托肯来描述超上、下阈报警。此外,还提出了基于库所相容度的报警聚类算法对异常变量的严重程度进行估计,给出了基于着色赋时Petri网的正向推理预测算法和反向搜索异常源算法。最后以研究成果为基础,采用visual prolog语言设计开发了一类异常状态监控专家系统。