啤酒发酵过程作为典型的间歇工业生产过程具有多变量、大时滞、强耦合、非线性、难以建立精确数学模型等特点，这导致传统的过程监测及控制手段难以得到很好的应用，迫切需要建立和完善满足生产需求的新理论和新方法。本文工作以啤酒发酵过程为研究对象，着重研究了基于数据驱动的过程故障监测方法和实用的优化控制算法两个方面，主要研究内容如下：以主元分析理论为基础，针对啤酒发酵生产过程中不同操作时段的运行状态，提出了一种分段多向主元分析故障监测模型。算法对不同的操作时段分别建立模型，避免了采用单一模型不能很好地表现原始数据的信息，导致某些重要信息缺失的不足，提高故障检测的准确率，可准确、有效地监测生产过程的运行状态。通过离线建模和在线状态监测，证实方法的有效性。针对传统模糊PID控制论域范围固定而导致的控制精度问题，设计了一种变论域模糊PID控制器。通过引入论域伸缩因子，动态的调整控制器输入、输出变量的论域，避免了由论域选择不当而造成的影响，解决了控制精度与模糊规则数间的矛盾，使系统能够及时、准确地对干扰做出调整，改善了PID控制器参数的控制范围和调整精度，较好地满足系统的控制要求。将该方法应用于啤酒发酵降温过程，通过实验验证了所设计的控制器具有响应速度快，稳态精度高、动态调节能力强等优点，不仅提高了温度的控制精度，还有效地抑制了实际生产中不确定因素的干扰，保证了品质的稳定性。