在化工过程的先进控制中,关键变量的状态估计质量直接影响到控制效果,非线性滤波算法是实现非线性状态估计的重要途径。实际的化工过程是一个维数高、非线性较强的复杂非线性系统,目前的非线性滤波算法在滤波过程中可能会出现精度降低、计算量过大、稳定性差等问题,因此迫切需要性能更优的非线性滤波算法。化工过程中某些关键状态参量的测量需要经过实验室化验的离线检测,从而产生不可避免的量测滞后,合理有效利用非线性滤波算法融合量测滞后的数据,可以修正由于系统计算误差、传感器偏差等原因引起的估计误差,以提高化工过程中状态估计的精度。因此,研究量测滞后下的非线性状态估计方法具有重要的理论意义和应用价值。本文在分析了目前的非线性滤波算法基础上,在高斯统一滤波框架下提出了一种基于矩阵对角化变换的高阶容积卡尔曼滤波(DMHCKF)算法；该算法将高阶容积卡尔曼滤波(HCKF)中的协方差矩阵分解方法替换为基于矩阵对角化变换的分解方法,该方法对协方差矩阵的正定性不做要求,同时分解后所得到的矩阵特征空间保持不变,有利于提高HCKF算法的滤波精度和稳定性；研究了化工过程中存在量测滞后的非线性状态估计处理方法,基于采样点扩维法,给出了一种量测滞后下的DMHCKF算法,并将其用于复杂化工过程的非线性状态估计中。仿真实验表明,DMHCK算法拥有较高的滤波精度和滤波稳定性；所给出的量测滞后下的DMHCKF算法能合理利用量测滞后的数据,提高了状态量的估计精度；将量测滞后下的DMHCKF算法应用到化工过程状态估计中,得到了较好的估计结果,为解决化工过程状态在线估计提供了-种新的估计方法。