复杂工业过程关键质量参量的在线检测对于产品质量控制及优化调控至关重要,是过程监控的重点和先进控制策略实施的重要依据。基于复杂工业过程的非线性状态空间模型,采用非线性高斯滤波器进行状态估计是实现关键质量参量在线检测的一种有效手段。在实际工程应用中由于传感器传输延迟、采样时间过长或离线分析等原因,部分量测信息不可避免地延迟到达数据处理单元造成量测滞后现象。非线性高斯滤波器无法直接利用滞后的量测信息,仅依靠实时到达的量测信息进行状态估计难以有效地修正估计误差。经离线分析获得的量测信息具有较高的精度,将量测滞后信息处理后加以利用可以进一步提高复杂工业过程关键质量参量的在线检测精度。因此,研究基于非线性高斯滤波器的量测滞后信息处理方法具有重要的理论意义和工程应用价值。本文在分析非线性高斯滤波算法和现有量测滞后信息处理方法的基础上,研究了量测滞后下非线性系统离散时间状态空间模型的构建及容积卡尔曼滤波算法,给出了一种量测滞后下的非线性状态估计方法;基于协方差融合算法和分布式状态融合方法,给出了一种采用协方差融合的量测滞后信息处理方法;结合容积卡尔曼滤波算法,提出了一种协方差融合容积卡尔曼滤波算法,该方法不需要对系统模型进行变换,可以处理采样时刻在滞后信息到达后才已知的情况,具有较强的工程适用性。采用量测滞后下的连续补料发酵过程模型和聚合反应模型进行了仿真实验。仿真实验研究表明,提出的量测滞后下非线性状态估计方法能够应用于量测滞后下非线性系统的在线状态估计,具有良好的通用性和有效性;提出的协方差融合容积卡尔曼滤波算法能够有效利用滞后的量测信息,提高了量测滞后下非线性系统状态估计精度,为实现量测滞后下的复杂工业过程关键质量参量在线检测提供了一种有效方法。