钢铁产业已经迈入高质量发展阶段,高炉炼铁过程是钢铁产业的上游主体工序,其生产出的铁水的质量水平直接决定后续工序的钢材产品质量,保证高炉炼铁过程长期稳定顺行和优质生产对钢铁产业的高质量可持续发展起到至关重要的作用。高炉炼铁是高温、高压、密闭环境下的连续复杂生产过程,具有的众多过程变量不仅能够映射出当前高炉的运行状况,并且蕴含着丰富的产品质量信息。高炉炼铁产品铁水的质量状况通过铁水质量参数来反映,然而,铁水质量参数除铁水温度（Molten Iron Temperature,MIT）外很难直接在线检测,具有时滞性。另外,目前高炉炼铁现场的炉况监控技术多是直观判断与单变量指标监控相结合,忽略了变量之间的相关性以及不同操作子系统之间的耦合关系,无法对生产过程进行及时有效地监测。因此,利用易测量的过程变量与难测量的质量参数之间的内在联系,通过过程变量的变化来监测高炉铁水质量指标的波动情况,能够尽早识别影响铁水质量的潜在因素,进而为提高铁水质量提供有价值的操作制度调剂信息,对保证高炉炼铁安全生产、提高生铁质量和经济效益具有重要的现实意义。针对以上问题,本文依托国家自然科学基金重大项目“大型高炉高性能运行控制方法及实现技术”（61290323）,以广西柳钢2号高炉为研究对象,在总结和概述过程监测方法发展状况的基础上,结合高炉炼铁过程特性,开展了基于核偏最小二乘（Kernel Partial Least Squares,KPLS）的高炉铁水质量监测方法研究,具体工作如下:（1）首先,通过分析高炉炼铁运行过程以及铁水质量参数指标,选取高炉炼铁过程的主要操作变量和状态变量,共36个变量作为监测模型的输入过程变量,5个能够综合性地反映铁水质量状况的铁水质量参数——硅含量（[Si]）、锰含量（[Mn]）、磷含量（[P]）、硫含量（[S]）和铁水温度（MIT）作为输出质量变量,并对实验数据进行缺失值和无量纲化处理。（2）在高炉铁水质量异常检测方面,针对高炉炼铁过程存在的复杂非线性特性,以及监测过程中产生的误报与漏报问题,根据核偏最小二乘方法在质量监测方面的有效性以及指数加权移动平均（Exponentially Weighted Moving Average,EWMA）方法处理数据微小变化和突变问题的优异性,提出一种基于自适应阈值的KPLS故障检测方法。首先,为准确分析生产过程中产品质量相关与质量无关的故障,根据运行历史数据建立KPLS模型,并采用Hotelling’s T2统计量和平方预测误差（Squared Prediction Error,SPE）统计量从不同方面在线监测过程运行状况。其次,将基于有限窗口长度的EWMA方法与质量监测策略相结合,推导出的自适应阈值引入了历史数据对监控指标的影响,改善了故障检测效果,利用田纳西-伊斯曼（Tennessee Eastman,TE）过程仿真实验验证了所提方法的有效性。最后,基于实际高炉数据开展实验研究,结果表明,所提方法能够有效检测到铁水质量的异常情况。（3）在高炉铁水质量异常诊断方面,针对具有强非线性且先验故障知识较少的高炉炼铁过程的故障识别问题,提出一种基于改进贡献率的KPLS故障识别方法。首先,为明确现有基于贡献率的KPLS故障识别方法的物理意义并简化计算,采用在新样本中引入比例因子变量构造监测指标函数,通过在因子值为“1”的比例因子附近对监测指标函数进行泰勒近似,获得一阶偏导数绝对值表示变量贡献的新统计量。其次,为进一步提高故障识别准确度,利用相对贡献率进行最终的故障变量识别。通过不同故障类型的数值仿真与TE过程仿真实验验证了所提方法的有效性。最后,对高炉铁水质量异常情况进行故障识别实验,结果表明,所提方法能够准确识别高炉运行异常的原因变量。