间歇过程是一种常见的现代流程工业生产方式，被广泛应用在高附加值、小批量产品生产与制备当中。为保证间歇过程产品质量达标和安全稳定运行，对间歇过程进行实时的在线监控具有重要意义。　　 本文首先介绍了间歇过程监控中应用最为广泛的MPCA(多向主元分析)方法，通过在青霉素发酵过程中仿真，实现一个典型间歇过程监控流程，并以此揭示间歇过程监控存在的如误报率高、计算复杂、监控没有自适应性等难点。为了获取更好的监控效果，本文在MPCA基础上，提出一种AWMKPCA(自适应移动窗多向核主元分析)方法，将KPCA方法应用到间歇过程监控中，利用核函数的优势，通过非线性映射将过程数据从低维输入空间映射到高维特征空间，实现变量之间非线性关系的线性化；同时将过程数据展开成移动窗的形式，只需要当前时刻和该时刻以前的数据就能实现监控，从而克服了MPCA方法在线监控需预估未来测量值的不足；最后随着操作批次不断刷新监控模型，以降低误报率增强监控自适应型。仿真结果表明了该方法的有效性。　　 针对间歇过程故障诊断问题，本文进一步提出一种KPCA-LSSVM(基于核主元特征提取的最小二乘支持向量机)的故障诊断方法，利用KPCA方法进行特征提取，得到训练样本的非线性主元特征向量，将其作为LSSVM的输入值，并以粒子群方法对LSSVM参数选优训练LSSVM，再对待诊断样本进行特征提取后，以训练后的LSSVM对特征向量进行分类识别，确定故障的具体类型，并在仿真中取得较好识别率。