发酵过程涉及到微生物学、化学、物理学等学科知识，是一种影响因素众多、具有高度非线性、时变性和随机性的机理复杂的生化反应过程。当前发酵行业一般采用两种方法提高发酵水平：一是筛选优良菌种，二是采用与菌种相匹配的最优培养条件和控制手段。连续发酵过程通常是伴随有物理化学反应，相变过程，物质与能量转换和传递的复杂工业大系统；并且还伴随有十分苛刻的生产条件和环境约束：整个生产过程强调实时性，整体性，各生产装置之间存在复杂的耦合，制约关系。所有这些特点决定了过程控制要从全局协调，以求整个生产装置运行平稳，高效。其控制目标应放在提高产品生产率与质量，节能降耗，降低成本，以适应市场需求。所有这些都对过程监控提出了新的要求，故障检测在过程系统工程中变得日益重要，而实际发酵生产过程的机理往往十分复杂，同时由于计算机技术的发展大量的工业生产过程数据被采集存储起来为保证生产过程顺利进行，操作人员需要对数据进行统计分析，来及时检测出过程干扰，控制性能恶化和设备故障并尽可能早地发现一些突发事件，找到并去除引发这些故障的起因变量。 本文正是在以上基础上，结合现在比较新颖、实用的盲源分离技术中的独立分量分析(ICA)技术，开展了发酵过程中故障检测的尝试性工作，主要的研究内容： 将独立分量分析的理论、算法的研究改进并将其用于β-甘露聚糖酶发酵过程中故障检测信号的盲源分离。针对β-甘露聚糖酶发酵过程中所获得的信号往往是源信号与干扰信号的混合，为了从接收到的信号中滤除干扰信号而恢复源信号，本人尝试引入独立分量分析(ICA)算法对检测信号进行盲源分离。鉴于现有的Infomax(信息极大)ICA算法没有考虑噪声、收敛速度慢和数据需要较长才足以将各信号源之间的独立性表现出来的问题；传统FastICA(快速独立分量分析)算法计算量过大的问题。本文对Infomax算法和FastICA算法进行改进，有效地对β-甘露聚糖酶发酵过程中故障检测信号进行盲源分离，取得了很好的检测效果。