间歇过程作为工业生产过程中的一种重要的生产方式,已被广泛应用于生物制药、食品加工、精细化工等领域。对间歇过程进行监控以发现生产过程中的非正常情况,保证生产的安全可靠运行具有重要意义。然而,间歇生产过程数据具有多批次、多阶段、非线性、动态等复杂特性,其建模和在线监测也更加困难,已成为重要的研究课题。间歇生产过程监测往往是以三维数据为基础的,按照统计原理通常需要大量数据样本。本文在分析间歇过程数据动态非线性特性基础上,以逐渐成熟的动态和非线性技术为根本,针对间歇生产过程的非线性特性和动态特性,将核技术(KPCA)引入到DPCA算法中,提出了一种可以以单批次数据为建模数据的DKPCA的间歇生产过程在线监控方法。该方法以一个批次数据为对象,进行时间序列上的扩展和输入空间到特征空间的非线性映射,并在特征空间里计算统计特征,来描述这个批次建模数据的数据结构特征。该方法的好处是可以单批次数据建模,克服数据不等长问题,在线监测不需要估计未来数据。但需要确定有效地核函数和参数。针对DKPCA核函数选择问题,提出了一种混合核函数方法,可以很好的刻画过程的非线性。核函数的选择为高斯核函数和多项式核函数的组合核,其参数及其权系数以寻优的方法确定。通过分析统计监控的原理,确定了以SPE控制量服从x2分布为第一目标,SPE统计量滑动窗的均值与总均值比值累加和最小为第二目标的优化模型。针对模型非线性,难以数学表达,采用了粒子群算法对混合函数中的参数、权系数进行寻优。在青霉素发酵过程中,很多控制参数对发酵过程有重要的影响,对这些参数的变化进行在线监测可以使人们了解整个发酵过程的状态,从而可以及时做出相应调整,保证发酵过程的稳定运行。通过分析青霉素发酵过程的重要影响因素,选择了通风率、搅拌功率、温度等10个变量作为监测变量,采用优化DKPCA方法进行监测。通风率、搅拌功率、底物流加速率三种阶跃故障仿真结果表明,提出的方法是有效的。