间歇过程广泛存在于人类的生产活动中,且和生活是息息相关的。基于多元统计分析的方法是目前进行间歇过程故障检测比较有效的方法。近年来,主元分析方法(PCA)广泛地应用于间歇过程,其衍生方法:多向核主元分析(MKPCA)方法成为故障检测领域的主力军。传统的统计分析方法是基于假设“各生产批次时间长度一致”的前提下进行的,实际生产中,由于机器差异等多方面因素,这种假设是不成立的。本文以过程数据为基础,针对间歇过程的主要特点,提出基于动态时间规整(DTW)和基于仿射传播聚类(AP聚类)的间歇过程故障检测方法。首先,针对间歇过程批次数据存在不等长问题,提出一种自适应DTW算法,结合MKPCA方法对间歇过程进行故障检测。传统的DTW方法处理批次数据容易造成数据信息大量丢失,自适应DTW算法把对称式算法与非对称式算法柔性结合,对批次轨迹进行同步化能够避免数据浪费,并且可以缩短同步化所需要的时间。其次,针对在自适应DTW算法中提高权矩阵计算准确性这一问题,提出一种基于人工鱼群算法(Artificial fish-swarm algorithm,AFSA)的方法,即人工鱼群-AP聚类(AFSA-AP聚类)的权矩阵优化设计方法。该方法利用AFSA优化AP聚类中的参数;然后,利用AP聚类算法筛选过程数据,选择对构造权矩阵W最重要的那部分过程数据用于W的离线建模,从而改善权矩阵W的准确性;最终,改善基于自适应DTW算法的MKPCA故障检测效果。以青霉素发酵过程故障检测为实例,验证基于AFSA-AP聚类的权矩阵优化设计方法的有效性。最后,将故障检测算法在GUI界面可视化,建立工作人员和界面的互动交流,更加方便地进行检测故障。平台设计了基于AFSA-AP聚类算法的权重计算模块,基于自适应DTW的时间长度同步化模块,MKPCA故障检测三个主要的算法模块。通过此故障检测算法集成的软件开发,用户可以选择合适的权重计算方法和时间长度同步化方法,实现多种故障检测算法的可视化。