随着自动化技术的发展，工业过程对于产品质量和生产效益的追求与日俱增。因此，在安全生产的前提下，还需进一步判断过程运行状态的优劣程度。过程运行状态优性评价，综合考虑了产品质量、物耗、能耗、经济收益等因素，对过程运行性能优劣程度进行实时判断，并对导致非优运行状态的原因进行追溯，指导操作人员进行生产调整。过程运行状态的优劣程度通常可反映在综合经济指标上，综合经济指标越高，运行状态越好。企业通常会对一定周期内的经济指标进行估算，并以此作为生产考核标准。但是评价周期一般较长，难以直接利用该估算值对运行状态进行在线评价和生产指导。因此，对过程运行性能优劣在线评价的研究具有重要的理论意义和应用价值。
　　实际复杂工业过程运行环境恶劣、检测成本高、基础自动化设施简陋，导致过程定量与定性信息共存，限制了传统运行状态优性评价方法的应用。其中，定量信息指用数值大小描述的变量信息，定性信息指定性描述的变量信息，主要通过语义进行描述。在深入了解实际复杂工业过程特性的基础上，从解决实际问题的角度出发，本文探索了定量与定性信息共存前提下的过程运行状态优性评价方法。
　　(1)针对含有少数定性变量和多数定量变量的单模态过程运行状态评价问题，提出基于GMM和贝叶斯理论的评价方法，求取定量和定性变量的联合概率分布，并在线推算运行状态属于各个等级的后验概率，建立相应在线评价策略，对非优运行状态，分别针对定性和定量变量，提出相应的非优运行状态原因追溯方法。
　　(2)针对含有多数定性变量和少数定量变量的单模态过程运行状态评价问题，为了充分利用定性和定量信息，减少有效信息的损失，保证评价精度，本文将传统模糊概率粗糙集方法进行了改进，提高了判断精度，降低了判断结果对参数选取的依赖程度。将这种改进方法应用于运行状态优性评价中，以样本属于各个运行状态等级的后验概率作为优性评价基础，建立相应评价策略和非优运行状态原因变量追溯方法，指导生产调整。
　　(3)针对定量和定性变量共存、蕴含丰富因果知识的单模态过程，本文改进了传统的动态因果图方法:引入模糊理论，解决了传统动态因果图方法变量状态“硬化分”导致的信息损失问题;利用信息融合理论，解决了传统方法无法同时利用推理和测量信息的问题;将推理方法由传统正向推理改为分层推理方式，减少了计算时间和存储空间。将改进方法应用于过程运行状态优性评价中，并针对非优运行状态，提出了一种基于事件贡献率的原因变量追溯方法。所提方法利用了过程因果知识，解释性较强。
　　(4)针对单模态下，定量和定性变量共存、大规模、多变量的流程工业过程，提出了基于两层分块混合模型的运行状态优性评价方法。将流程工业过程进行横向分块和纵向分层:横向上，根据其物理特性划分子块;纵向上，形成子块层和全流程层两个评价层次。在子块层，根据子块所含信息的类型，分别建立基于定量或者定性技术的评价模型。此外，还提出了一种特殊的建模数据处理方法，使得全流程层运行状态等级可直接由子块层最劣运行状态等级决定。当全流程运行于非优运行状态时，在非优的子块内，进行相应的原因变量追溯。
　　(5)针对多模态下，定量和定性变量共存、大规模、多变量的流程工业过程，以两层分块结构为基础，提出了子块层和全流程层的运行模态识别方法，并且分别针对稳定模态和过渡模态提出了相应的运行状态优性评价方法。所提方法同时解决了运行状态评价中面临的三个挑战:定量与定性信息共存、大规模全流程工业特性、多模态特性。所提方法能准确评价不同模态下的运行性能，解释性强，评价精度高。
　　本文提出的定量和定性信息共存的复杂工业过程运行状态优性评价方法，在金湿法冶金过程中进行了仿真验证，证明了所提方法的有效性和可靠性。本文所提方法在一定程度上克服了实际应用中的瓶颈，推进了理论研究与实际应用的结合。