为考虑发酵过程的质量变量和动态特征对于阶段划分的影响，提出了一种基于联合典型变量矩阵的多阶段发酵过程质量相关故障监测方法。首先，将历史三维数据沿批次方向展开，对每个时间片矩阵进行典型相关分析（canonical　correlation　analysis,　CCA），得到融合过程变量和质量变量信息的联合典型变量矩阵，对其进行K均值聚类，实现基于静态特征的第1步划分；然后采用慢特征分析（slow　feature　analysis,　SFA）算法提取表征过程动态性的慢特征，对其进行聚类实现第2步划分。最后综合分析两步划分结果，将生产过程划分为不同的稳定阶段和过渡阶段，并在划分的子阶段中分别建立CCA...