现今，随着集散控制系统(Distribution Control System，DCS)在工业中的广泛应用，海量的生产过程数据被采集和存储，怎样从这些海量的数据中提取出有用的信息进而对生产过程实施监控已成为当前社会的研究热点之一。针对化工过程的具体特点，本文对化工过程的故障监控方法进行了深入的研究，主要工作包括以下几个方面：　　 首先，在综合大量文献的基础上，介绍了统计分析方法的发展过程，对化工过程的常用的一些故障监控方法进行了结合分析，并指出了它们的各自己的优缺点。其中着重研究了主元分析法和独立元分析方法的基本原理，给出了两种算法的实现步骤，并比较了两种方法的异同。　　 其次，因为大多数化工过程本质是非线性的，针对化工过程数据的非线性特性，分析了将核函数主元分析(KPCA)方法用于非线性工业过程监控的方法的研究，并提出了一种基于矩阵相似度量的核函数参数选优方法。实验仿真以一个三维非线性系统为对象，分别采用PCA和KPCA方法进行监控，仿真结果表明了KPCA对非线性过程的监控效果良好。　　 接着，针对工业过程故障检测问题，为进一步提高故障检测性能，本文定义了独立元贡献度和贡献度矩阵，提出一种改进的子空间检测算法。首先，利用ICA算法提取过程变量的独立元信息，通过计算各个独立元在过程变量上的贡献度，构造贡献度矩阵；然后根据贡献度的大小，挑选出对应的变量组成反映不同“源”信息的子空间，并在这些子空间上建立故障检测模型；最后综合以上的多个检测模型，根据实际的需求或者故障的传播特征，确定集成策略，对工业过程进行故障检测。在TE过程上，用该方法进行仿真研究，说明提出的改进算法是有效的。　　 最后，基于以上的知识，针对高维数据建模问题，提出了一种新的“SICA-PCA”故障检测方法。该方法利用新的集成空间策略能更有效的检测故障，搞高检测效率，因而有利于更及早发现故障并给予排除。将该方法应用于TE过程中，通过仿真研究，说明此提出的算法具有较好的建模与检测效果，将进一步提高故障监控能力。