针对基于多向主元分析（Multiway Principal Component Analysis，MPCA）的方法在批过程故障监测中以样本观测相互独立作为假设前提条件，没有考虑到时间序列相关性的影响及需要对新批次未反应完的数据进行预估的缺陷，提出一种批过程动态主元分析（Batch Dynamic PCA，BDPCA）在线监测方法。该方法采用时滞变量将过程的静态和动态特征相结合，有效地去除了测量变量时间序列的自相关关系，并通过时滞窗口提供了在线监测方案．避免了对新批次未反应完的数据进行预估的需要，提出确定时滞变量的算法。将BDPCA应用于β-甘露聚糖酶发酵批过程的仿真监测，与移动窗多向主元分析（Moving Window MPCA，MWMPCA）法相比，仿真结果表明该方法能够更精确地对过程故障行为进行描述，具有良好的准确性和实时性。