减少设备故障,提高产品质量一直是工业界十分关注的重大问题,确保生产的“安,稳,长,满,优”运行,是企业永恒的追求目标。实时过程监控和故障诊断是实现目标的有效途径,对于稳定生产和提高经济效益具有重要意义。本文根据复杂连续工业过程数据存在非线性、强噪声、高斯性与非高斯性互相混合的特点,提出了局部切空间排列-独立成分分析(简称LTSA-ICA)和局部切空间排列-支持向量数据描述(简称LTSA-SVDD)两种故障检测算法,分别在TE过程(Tennessee Eastman Process)上进行检测,并对两种方法的优劣进行了分析比较。同时针对间歇生产过程数据维数不高、样本数量巨大的实际特点,提出了因子分析白化预处理的独立成分分析故障检测算法,并在青霉素发酵仿真平台上检验了算法的效果。本文还提出一种基于多尺度因子分析的故障检测算法,提高了多时频故障的检测能力,并进行了数值仿真。最后,介绍了正在开发中的故障检测软件系统。