随着生产水平的不断提高以及自动控制技术的不断发展,为了保证生产的安全、稳定以及更高的企业综合经济效益,生产过程运行状态最优性评价作为一个新兴的研究问题,在近些年来逐渐受到学术界和工业界的关注。不同于以区分过程运行正常或故障为目的过程监测问题,过程运行状态最优性评价是指在过程运行正常的基础上,进一步判断过程运行状态的优劣等级。换句话说,通过对过程的运行状态最优性进行评价,企业生产管理者和现场生产操作人员能够实时掌握生产过程运行状态优劣信息,及时发现非优的生产运行状态,并根据非优原因分析结果对后续的生产进行及时的调整和改进。本论文在深入研究工业过程特点的基础上,从解决实际问题的角度出发,提出了一系列工业生产过程运行状态最优性评价及非优原因追溯方法:1.针对具有单一稳定工况的连续工业生产过程,提出了基于全潜结构投影模型的过程运行状态最优性评价方法。利用全潜结构投影模型提取每个状态等级建模数据中与综合经济指标密切相关的过变异信息,作为在线评价的参考依据;通过计算在线数据相对于不同状态等级的最优性评价指标,实现过程运行状态最优性的在线评价。2.为了避免对建模数据进行大量的数据对整工作,提高算法的应用效率并拓广其应用范围,提出了基于优性相关变异信息的过程运行状态最优性评价方法。通过分析状态等级之间的共有和特有信息,去除每个状态等级中与优性无关的变异信息,只保留其中优性相关变异信息作为在线评价的参考信息,并依据在线数据相对于各个状态等级的最优性评价指标来实时评价过程运行状态。3.针对过程变量具有非线性相关关系的工业生产过程,提出了基于核全潜结构投影模型的统计建模及过程运行状态最优性评价方法。利用非线性函数将原空间过程数据映射到高维核特征空间,并在核空间内利用全潜结构投影模型对近似线性相关的数据进行分解,提取过程数据中与综合经济指标密切相关的变异信息,用于运行状态评价。4.针对多模态工业过程中数据呈现非高斯分布的情况,提出了基于高斯混合模型的非高斯多模态过程评价建模及运行状态最优性在线评价方法。提出了一种基于贝叶斯推断的在线模态识别方法,克服了已有模态识别方法的不足,提高了在线模态识别结果的准确性和可靠性;利用多个高斯混合模型分别描述每个稳定模态以及过渡模态下不同状态等级的数据分布特性;分别采用基于高斯混合模型的高斯过程回归和基于过渡轨迹相似度的方法建立稳定模态和过渡模态的评价模型,实现多模态过程运行状态最优性评价。5.针对具有多时段、不等长特性的间歇过程,提出了基于高斯混合模型的离线时段划分和时段识别方法;基于多重假设检验技术,从局部和全局两个层面对一个操作批次的运行状态最优性进行实时评价,全面、细致、深入地掌握间歇过程的实际运行情况。6.无论是具有单一稳定工况的连续过程、多模态过程,还是间歇过程,当过程运行状态非优时,均需要及时查找原因并进行相应的生产调整。针对这一问题,本文提出了基于变量贡献率的非优原因追溯方法,确定导致运行状态非优的过程变量,为生产管理和操作人员的生产调整提供合理的参考依据。在湿法冶金工业生产过程、田纳西-伊斯曼及青霉素分批补料发酵等仿真研究中,验证了上述方法的有效性与可靠性。上述研究成果为工业生产过程运行状态最优性在线评价及非优原因追溯提供了新的理论方法与依据,具有较为重要的理论意义和应用价值。