随着科学技术的快速发展和不断进步,现代生产流程工业也获得突飞猛进的发展。当今的流程工业生产过程通常存在着大量的过程变量并且变量间相互关系复杂等特征。一旦发生故障便会影响生产的正常进行,有时甚至造成巨大的财产损失和人员伤亡。因此,复杂流程工业系统安全性和可靠性的提高成为重要问题之一,这就使设备状态监测和故障诊断的重要性更加突出。基于多元统计的过程监测和诊断方法在理论和实际应用中现如今已取得很大的进步。本论文研究内容是源于上述的这些诊断方法,但是应用这些方法对某设备运行状态参数进行的在线监测,以观测这些状态参数的变化。通过对加热炉生产过程的运行状态参数实时采集,并进行多元统计分析,以此数据作为预报生产状况、改善加热炉在线数学模型的依据,是一种面向生产运行状态评价的过程监测方法。准确的运行过程监测对建立加热炉生产过程线数学模型有着重要的意义。本文应用基于非线性多元统计理论的过程监测评价方法,通过对采集到的加热炉运行参数进行分析来验证现有的加热炉运行过程数学模型。其结果为总括热吸收率的在线校正提供依据。主要研究工作如下:(1)分析了基于总括热吸收率的加热炉数学模型并探究了数学模型的影响参数,确定了运行状态和总括吸收率的关系。将加热炉每个运行段分成上下表面分别求取总括热吸收率,使模型更加精确。(2)采用基于核主元分析(KPCA)和核独立成分分析(KICA)的过程监测方法,将加热炉生产过程看为服从高斯分布和非高斯分布,对加热炉各加热段的热工数据进行实验研究和比较分析。针对两类钢坯的监测结果验证了方法的有效性。(3)引入基于renyi熵的核熵成分分析(KECA)过程监测方法。该方法将加热炉生产过程看做是动态过程,并分别对上下表面热工数据进行KECA处理。实验结果证明该方法监测效果要优于KPCA和KICA方法。(4)以运行状态监测结果为依据,对出炉钢温有偏差钢坯的连续生产过程进行在线校正,相对于校正模型参数前,校正后的数学模型计算结果更加准确,从而验证了本论文监测方法在实际生产中具有一定的现实意义。