近年来,间歇过程作为一种主要的生产方式已经深入到玻璃陶瓷、生物制药以及食品深加工等行业。为了保证间歇过程安全可靠的运行,多元统计过程监控方法受到研究者们的广泛关注。传统的多元统计监控方法未考虑间歇过程数据不等长的问题,导致间歇过程故障检测的精确性和灵敏性较差。因此,研究不等长间歇过程的监控方法具有重要的意义。本文针对不等长间歇过程监控中的局部信息挖掘问题,进一步考虑数据的动态特性和多阶段特性,研究基于改进动态时间弯曲-多向主元分析（Dynamic Time Warping-Multiway Principal Component Analysis,DTW-MPCA）算法的不等长间歇过程故障检测方法。以下是本文的主要研究工作:首先针对不等长间歇过程数据在同步化过程中的局部信息挖掘问题,提出一种基于变量分组DTW-MPCA的不等长间歇过程故障检测方法。该方法首先采用互信息将不等长数据划分成不同的变量组;然后在不同的变量组中进行DTW同步化。最后,以同步化后的数据为基础建立MPCA监控模型。在盘尼西林发酵过程上的仿真结果表明该方法能够有效地进行过程监控。其次针对不等长间歇过程数据的动态特性问题,提出一种基于分布式动态VGDTW-MPCA的动态不等长间歇过程故障检测方法。该方法在已挖掘局部信息的基础上,进一步考虑不同测量变量相关性的差异,首先对每个变量分别构造增广矩阵并对增广矩阵进行变量筛选;然后以互信息方法对增广矩阵进行分组;最后建立分布式动态MPCA模型并通过贝叶斯推理得到统一的概率型指标。在盘尼西林发酵过程实验仿真平台上验证了该方法的有效性。最后针对不等长间歇过程数据的多阶段特性,提出一种基于多阶段VGDTW-MPCA的多阶段不等长间歇过程故障检测方法。该方法采用变量分组DTW算法对不等长数据同步化之后,首先获得每个采样时刻的负载矩阵并用主元关联度表征负载矩阵间的变化关系;然后提取其线性结构特征并采用并行窗口策略进行形态相似分段;最后采用MPCA方法进行分段建模并构建相关统计量。在盘尼西林发酵过程上的仿真应用表明该方法提高了过程监控的性能。