计算机技术的快速发展为多变量统计过程控制(MSPC)的研究和应用带来了日益旺盛的生命力。本文以炼油生产过程为应用背景,在对MSPC若干重要问题进行研究的基础上,将MSPC方法应用于炼油生产过程中,完成了以下研究学习工作:深入学习多变量统计过程控制的基本理论知识,基本掌握了统计过程控制的基本方法如主元分析方法、部分最小二乘算法。利用指数加权移动平均图(EWMA图)和多变量统计控制图(SPE-score图、T2图和主元贡献图等)方法对生产过程实行监控,检测生产过程异常情况。在很多生产过程中过程变量间的关联关系往往存在严重的非线性。部分最小二乘方法可以克服由于输入变量间的相关关系而带来的问题,但是由于其用线性关系来联系输入和输出因子,并不能十分有效地应用于非线性较强的过程。由此将其推广为非线性部分最小二乘方法有重要的应用价值。利用Chebyshev多项式的正交性质,提出基于Chebyshev多项式改进的非线性部分最小二乘方法,以此来代表更广泛的非线性模型。利用主元分析方法的特性,用改进的鲁棒PCA方法对采集来的现场数据进行样本筛选,去掉不能正确映射过程输入输出变量间关系的无效样本,提高建模的可靠性。用经过鲁棒PCA筛选过的样本进行人工神经元网络建模,并与从过程变量中提取的主元作为新的输入变量的建模结果进行比较。对人工神经元网络和基于Chebyshev多项式非线性PLS两种方法分别用来逼近非线性过程,进行比较研究。为解决炼油厂生产过程平稳率考核的问题,编制并在线运行了过程控制平稳率统计软件,对工厂的安全平稳运行起到了促进作用。 <WP=6>通过本文工作,实现了MSPC方法在炼油生产过程中的多变量统计监控,提出了改进的PLS方法,对PLS方法更广泛的研究应用做出了贡献。