过程监测是计算机集成过程系统的一个重要组成部分,为保证生产安全和品质稳定所必需;过程建模是过程监测的核心问题,建模的可行性和模型的有效性是一对矛盾。本文从过程描述的基本原理出发,采用系统集中参数策略对过程进行描述,提出了过程统计状态变量概念及其判定准则;通过建立过程统计状态空间理论结合系统盲辨识算法,实现了对过程系统的合理有效监测,使过程建模的矛盾得到了统一。通过典型的过程控制和监测案例(TE过程)对本文提出的概念和方法进行验证,表明模型的有效性和合理性得到改进,解决了纯数据驱动多元统计建模中模型重构性和可解释性差的问题。 状态空间理论是现代控制理论的基础,状态空间建模具有较高的有效性。本文依据过程描述的因次关系和过程基本原理,提出将过程状态变量进行参数集中,过程可被此若干个集中的状态变量描述,在文中给出了相应的判定准则。结合过程特点和状态空间理论,建立了初步的过程状态空间理论框架。 将状态空间模型和多元统计模型进行了对比,指出了两种建模方法的统一性;利用状态空间思想和多元统计算法实现了过程的定性描述。同时对多元统计方法的统计变量选择、系统线性近似和噪声影响等多元统计建模的关键问题进行了探讨。 将系统盲辨识概念引入过程系统工程的研究,利用具有自组织特性的多元统计盲辨识算法---独立成分分析(ICA)方法实现了过程统计状态变量的辨识和提取,建立了过程的统计状态空间模型。对比于主成分分析(PCA)模型,模型的有效性和可解释性都得以提高。 建立了完整的基于统计状态变量的过程状态监测理论框架和算法,包括过程建模、模型校验、状态监测、故障识别和诊断,对比于现有的多变量统计监测系统,在状态变化或故障的可检测性、可重构性、可识别性和可分离性上,和以往基于多变量统计的监测方法相比,有了较大的改进。对典型工业案例TE过程进行应用,对案例提供所有扰动,都能够准确的监测,实现了过程的状态辨识和故障诊断。