连续化工生产过程存在采样时间短、动态性强、非线性等特征,对过程工况进行监测预警对于保证安全稳定的生产活动尤为重要。现有的预警方法以短期预测为主,但现场人员对于一些复杂的操作往往短时间内无法处理,因此,需要将预警时间尽量提前至几分钟以上,才能保证充足的操作时间。而提前预警时间的同时,会造成系统出现大量的误报警和漏报警,会对现场人员造成一定的困扰,如何在提前预警时间的同时尽可能地保证预警准确度是一大难题。针对以上问题,本文展开以下4个方面的研究:(1)针对化工过程采样间隔短、动态性强,短期参数预测不能有效地为现场人员提供充足的操作时间,提出了基于单参数的超早期预测方法。采用最小二乘支持向量机对归一化处理后的过程数据进行训练,利用改进的粒子群优化算法对最小二乘支持向量机中的核参数和惩罚因子进行快速精确地全局寻优,得到优化的预测模型。相比DCS平均提前36.7s报警,预测精度和预测时间均优于最小二乘支持向量机模型和常规粒子群优化的最小二乘支持向量机模型。(2)针对现有整体工况异常监测预警方法大多采取统计量监测,易发生误报和漏报的问题,提出了一种基于多源信息融合的异常工况组合预警机制,准确对工况异常预警地同时,降低误报率。利用改进的PSO-LSSVM算法对单个参数进行超早期预测,对单个参数进行ADF检验判断其趋势是否平稳,利用K-means聚类方法计算出聚类中心,利用离群点分析计算各参数距聚类中心的马氏距离,综合3种情况,一旦有其中2种或以上出现异常,则判定工况出现异常,发出预警。相比于核主元分析监测预警方法,提前31.7s预警,且降低了误报率和漏报率。(3)针对现有的预警系统未对预警原因进行分析处理,现有诊断方法在线分析慢、前期工作量大的问题,提出了一种异常工况智能推理诊断方法,通过实时分析参数间的相关关系,有效地实现参数异常预警原因分析。应用Spearman相关系数法分析计算参数间相关系数矩阵,转换成布尔矩阵后,采用关联规则算法对矩阵进行分析,得出参数间强关联规则,继而确定参数预警原因。经过3组异常报警事件验证,所提方法可以有效分析报警原因。(4)针对现有远程监控系统在解决数据传输网速慢、易丢失数据,不能使专家准确了解现场操作状况的问题,开发一套3G网络远程智能监测预警系统,实现远程专家决策。根据3G网络工作原理、网络协议以及无线传输器原理,研究远程监测系统的组成。设计3G网络与Internet广域网互联的方案,以串口通信理论为基础,进行串口通信及数据远程传输设计。结合气分装置生产流程,建立远程实时监测和超早期预警模块,编制气分装置远程监测预警软件。