随着综合自动化系统的广泛应用和信息技术的迅速发展,钢铁、石化、有色和建材等流程工业正不断向大规模、复杂化、集成化方向发展。其生产流程由众多生产工序构成,从原材料到最终产品形成一个以串联结构为主体的产品加工长流程;在此基础上,定制化生产使其品种及规格呈现多样性,加之原料的不确定性,设备状态、外界环境以及过程工艺等的不同使其生产工况复杂多变;另外,综合自动化系统层级明显,主要包括实时控制层、过程控制层、制造执行层等,各系统层级分工明确且相互协作关联。这样使得流程工业在“三个维度”(全流程、变工况、多层级)呈现复杂性。“三个维度”制造过程使得系统的安全性、稳定性分析更加复杂,无论哪一个维度的异常均会导致故障立体传播并演变演化。尤其在工业转型升级过程中,产品生产安全以及质量把控关乎工业生产的命脉,过程中的微小故障经过“三维”尺度放大极有可能会造成产品质量下降、生命财产损失、生态环境破坏等极其严重的后果。本课题以全面提升流程工业的安全性和可靠性为目的,并按照“全流程一变工况一多层级”的顺序,首先从流程结构出发,其次考虑工况的变化,最后融入多层级概念,重点对流程工业的故障检测和运行工况评估展开了相应的理论研究与仿真/应用验证,力求有效减少或避免故障发生、保证产品质量、提高企业经济效益。本文的创新性成果主要包括以下几个方面:针对流程工业微小故障检测难问题,提出了一种面向流程工业的微小故障检测与辨识策略。首先,将正常样本和故障样本引入支持向量数据描述算法,同时对超球半径进行改进,建立了鲁棒支持向量数据描述监测模型,实现了微小故障检测;然后,通过堆叠受限玻尔兹曼机提取了故障数据信息;最后,利用微小故障信息训练概率神经网络,实现了微小故障辨识。针对流程工业变量众多且耦合关联的问题,提出了一种基于混合相似性度量的全流程自适应过程监控方法。首先,利用最大互信息系数和广义杰卡德系数建立混合相似性度量,实现过程变量子块划分;然后,将间隙度量与支持向量数据描述有机融合建立过程监测模型;最后,利用指数加权移动平均算法,计算超球自适应半径,实现了全流程自适应监测。针对流程工业产品规格频繁变换和有载空载工况切换的问题,提出了面向变工况的共性-个性子空间建模与全工况非线性动态监控策略。首先,改进最小误差最小最大概率机,实现了对不同工况的有效辨识;其次,利用参数化t-分布随机邻域嵌入和质量数据构建共性-个性子空间模型;然后,利用支持向量数据描述对空载工况进行了监测;最后,基于t-分布随机邻域嵌入、慢特性分析和协整分析,实现了有载工况下非线性过程的动静态监测。针对多层级视角下变量耦合关联、样本不平衡以及存在离群点问题,提出了考虑部分通信的全流程多层级全生命周期运行工况评估策略。首先,根据过程知识和通信情况,规整实时控制层的上中下游数据和过程控制层数据;然后,将深度信念网络、混合采样提升、鲁棒偏M估计等算法有机结合,实现运行工况的判别和不同运行工况的有效评估,并对非优原因进行溯源。上述研究成果是针对流程工业“故障检测与辨识”和“过程运行工况评估”进行的系统研究,并制定了相应的解决思路和技术方案。利用田纳西-伊斯曼过程和带钢热轧过程数据对上述方法进行了仿真或应用验证,并与传统方法进行对比分析,实验结果表明了算法的有效性和实用性。