随着工业过程规模的不断扩大和复杂性的日益提高,有效的过程模型、故障监测和质量预报是确保工业过程安全运行、保证产品质量和提高经济效益的关键。从复杂工业过程中采集的数据往往具有非线性、动态性和时变性等特性,而传统规范变量分析存在无法有效处理上述数据特性的缺点。本文针对工业过程的数据特性,采用基于子空间辨识方法中的规范变量分析进行深入研究,提出了一系列工业过程递推建模、在线监测和质量预报方法。主要工作和贡献有以下几个方面:(1)针对传统规范变量分析不能适应工业过程正常操作改变的问题,研究了基于稳定递推规范变量分析的无输入状态空间建模方法。首先,采用指数权重滑动平均算法结合可变遗忘因子来更新过去和未来观测矢量的协方差和互方差矩阵。为了模型能够及时跟踪过程的动态变化,提出了基于连续测量变量间子空间角的可变遗忘因子调整方法。其次,将稳定性条件和递推最小二乘法相结合,设计了约束权重递推最小二乘法来保证递推模型的稳定性。最后,将提出的方法应用到田纳西伊斯曼化工过程进行仿真研究。(2)以带输入的状态空间模型为辨识对象,针对传统规范变量分析不能适应过程动态变化的问题,研究了基于稳定递推规范变量分析的状态空间建模方法。首先,采用指数权重滑动平均法结合基于模型输出和实际测量值的残差进行调整的可变遗忘因子来更新协方差和互方差矩阵。其次,递推更新系数矩阵的同时引入非线性约束优化来保证辨识模型的稳定性。采用三阶状态空间模型的开环数值例子,验证了算法能够得到系统矩阵特征值的一致估计。最后,将提出的建模方法用于连续搅拌釜加热系统中进行仿真研究。(3)针对传统的规范变量分析进行时变过程故障监测容易产生误报的问题,研究了基于高效递推规范变量分析的时变过程在线监测方法。首先,在离线建模的基础上,当采集到新的测量变量时,采用指数权重滑动平均法来更新过去观测矢量的协方差矩阵;其次,通过引入一阶干扰理论实现递推奇异值分解来更新状态和残差矢量,并计算相应的监控统计量;再次,设计了基于加权变量贡献的故障识别方法。最后,将提出的方法用于连续搅拌釜反应器系统进行仿真研究。(4)为了解决传统规范变量分析法无法有效处理过程数据的非线性和时变特性的问题,研究了一种基于高效递推核规范变量分析的在线监测方法。首先,在采用正常数据建立的KCVA模型的基础上,当采集到新的测量变量时,利用核函数将非线性低维空间中的矢量映射到高维线性特征空间。其次,采用指数权重滑动平均方法来更新线性特征空间中的过去观测矢量的协方差矩阵。然后,通过引入一阶干扰理论实现Hankel矩阵的递推奇异值分解,并计算状态和残差矢量及其监控统计量;最后,将提出的方法用于连续搅拌釜反应器系统中进行仿真研究。(5)针对工业过程中质量变量难以在线测量的问题,研究了一种基于自适应高效递推规范变量分析的多模连续过程和多阶段间歇过程质量预报方法。首先,通过利用部分正常数据建立离线模型并取得过去观测矢量协方差矩阵的初始值。其次,采用指数权重滑动平均法和基于输出误差范数的可变遗忘因子来更新过去观测矢量协方差矩阵。然后,通过引入一阶干扰理论来实现递推奇异值分解降低递推算法的在线计算负荷,并更新状态矢量。最后,利用递推最小二乘法更新系统系数矩阵,并且利用新辨识的状态空间模型新息形式预测质量变量。将其成功应用于田纳西伊斯曼化工过程的多模操作条件和多阶段青霉素发酵过程中进行仿真研究。本文充分利用不同工业过程仿真程序产生的数据,对提出的递推建模、在线监测和质量预报方法进行了大量的仿真实验研究。仿真结果表明:提出的递推规范变量分析建模方法不仅比传统的规范变量分析具有更高的建模精度而且可以保证递推模型的稳定性;提出的基于递推规范变量分析的在线监测方法,不仅可以适应过程的正常改变而且可以检测到四种类型的传感器故障;提出的多模连续过程和多阶段间歇过程质量预报方法不仅具有比常规奇异值分解低的计算负荷,而且还可以获得较高的预报精度。