现代社会市场需求瞬息万变,间歇过程具有生产小批量、多品种以及高附加值等特点,被广泛应用于生物制药、聚合物反应、精细化工等领域。相较于连续过程,其机理复杂、操作复杂度高,产品质量容易受到各方面的因素影响。在故障监控中,如果在检测到故障的同时,进一步判断故障是否影响产品质量,对保证工业系统安全高效运行意义重大。为了区分过程故障是否影响产品质量,本文结合多向典型变量分析(Multi-way Canonical Variate Analysis,MCVA)方法,研究基于MCVA的间歇过程质量相关故障诊断方法。论文的主要研究工作如下:为了在检测到故障的同时,有效地分析过程故障与产品质量的关系,提出基于多向多子空间CVA(Multi-way Multi-subspace Canonical Variate Analysis,MMCVA)的间歇过程质量相关故障检测方法。针对具有三维特性的间歇过程数据,引入批次-变量三维数据展开方式,然后利用CVA分析过程数据与质量数据之间的相关性,将过程测量数据和质量测量数据映射到5个子空间:过程质量相关子空间、不相关过程主元子空间、不相关过程残差子空间和不相关质量主元子空间、不相关质量残差子空间。通过对间歇过程五个子空间的监控,以判断过程故障是否影响质量变量。使用青霉素生产发酵过程,验证了此方法的有效性。进一步考虑到间歇过程多阶段特性,提出基于多阶段MMCVA的间歇过程质量相关故障检测方法。根据间歇过程的子时段中过程数据与质量数据相关关系不同这一特点,利用质量相关信息划分间歇过程子时段。进一步地,在划分的各个子时段对三维数据使用批次-变量展开方式,建立多向多子空间CVA监控模型。在青霉素生产发酵过程上的仿真研究表明,该方法能够有效挖掘多阶段信息,更加有效地进行过程监控。为了在故障早期阶段预测过程恶化趋势,提出基于质量相关特征趋势分析(Quality Related Feature Trend Analysis,QRFTA)的间歇过程故障预测方法。该方法采用典型变量分析算法提取质量相关动态特征,进一步采用支持向量机预测动态特征的变化,从而实现对过程恶化趋势的预测。在青霉素发酵过程实验仿真平台上对此方法进行了验证。