间歇过程是一种生产高附加值、小批量的生产方式,被广泛应用于化工、注塑、医药、染料、冶金等与人们生活息息相关的领域。然而,间歇过程常伴有锅炉断裂、爆炸、毒气泄漏等危险,为了保证职工们的人身安全和产品质量,需要保证间歇过程安全可靠以及稳定的运行。因此,间歇过程的过程监测与故障诊断方法成为控制领域研究的重要课题之一。目前,基于多元统计的过程监测方法在间歇过程过程监测中使用最为普遍。理论上讲,间歇过程是按照预先设计好的工序重复进行,然而实际上由于原材料的质量差异、气候的影响等各种各样的原因,工业过程是不可能达到完全的重复,因此每个生产批次所采集的过程数据的长度也不可能完全相同,这就是间歇过程数据不等长问题,这个问题的存在使得基于统计的过程监测方法不再适用。动态时间弯曲(DTW)方法起源于语音识别领域,通过对待测信号与标准信号匹配距离的计算找出最佳匹配信号,从而将待测信号处理成与标准信号等长的信号。本文中对DTW算法提出了改进,并分析了其应用于不等长间歇过程数据处理时所存在的问题以及改进方法,最终使得测试数据与标准数据有相同的数据长度,达到同步化数据的目的。另外,本文以注塑过程为研究背景,针对其不等长特性,应用DTW算法将其处理成等长的数据。在此基础上,实现软时段划分,并在各个子时段内建立监测模型,实现在线监测与故障诊断,最终以间歇过程实验产生的数据进行仿真,进一步验证了本文所提出算法的可行性与有效性。