近年来,随着过程工业的不断发展,现代社会对多品种、高质量的产品的需求越米越迫切。间歇过程以能够生产小批量、高附加值的产品而得到了广泛关注,目前已经被广泛应用于医药、聚合物反应、染料、金属加工、生物制品等精细化工生产中。作为现代工业中的一种重要的生产方式,间歇生产过程的安全性和可靠性以及最终的产品质量已经成为人们关注的焦点。多变量统计分析方法在建立监控模型时进行需收集正常工况下的过程数据,并且它们在处理高度耦合的高维数据时具有显着优势,因此越来越受到研究人员的青睐。将多变量统计分析方法应用于间歇过程的统计建模及在线监测等方面已经成为广泛的研究课题。不同于连续生产过程,在间歇生产过程中数据的相关关系以及过程动态的变化情况要复杂的多。一个操作批次被分为若干子时段,不同的子时段具有不同的数据特征和过程相关特性,因此,针对多时段间歇过程的多变量统计分析更具挑战性。需要在关注整个过程的运行状况的同时深入分析每个子时段的潜在过程特性。本论文对多变量统计分析方法在间歇生产过程中的研究现状进行了分析,同时深入研究了间歇过程的多时段特性,以解决实际生产问题为根本出发点,提出了自己的研究内容,完善并改进了多时段间歇过程的在线监测和故障诊断等内容。本文主要做了如下几个方面的研究：(1)介绍了针对问歇过程的多变量统计分析技术,深入研究了该技术的基本原理和数据预处理方法,通过对目前较为常用的几种数据预处理方法进行分析和比较,找出了其中存在的不足。提出了一种正规化沿批次方向数据展开法,该方法以沿批次方向数据展开为基础同时考虑了时间延迟,从而在保持了这种方法的优点的同时避免了在建立过程监测模型时需要大量批次数据的问题。(2)针对多时段间歇过程中存在的时段过渡现象,在利用K-means法进行时段划分的基础上,考虑了时段间的过渡区域,提出了基于过渡的软时段划分法,该方法按照过程潜在特性随时间的变化将每个间歇操作批次划分成多个不同的子时段以及子时段之间的过渡区域。在对多时段间歇过程进行统计建模和在线监测之前,先采用正规化沿批次方向数据展开方法对过程数据进行预处理,然后利用软时段划分法将间歇操作过程分成不同的子时段,最后分别对每个子时段建立统计模型。