工业生产过程的故障监测是过程工业控制的一个重要组成部分。通过对生产过程的监测,可以有效地保证生产的安全和产品质量的稳定。随着集散控制系统(DCS)的广泛应用,使得大量的过程数据记录和保存下来。多元统计监测是一种基于历史数据的方法。因为该方法仅仅依赖于过程数据,不需要建立精确的机理模型,所以具有广泛的应用价值和理论研究意义。信息熵是系统状态不确定性的定量评价指标,对于系统内在信息具有较强的表征能力。本文以信息熵为主线,利用信息熵方法提取过程信号特征的能力,结合主元分析(PCA)方法提出了新的故障监测方法,另外,还提出了用信息熵确定最优的小波基函数及相应的分解尺度的方法并应用于MCUSUM-MSPCA方法中。本文的主要研究内容包括以下几个方面：(1)简单介绍了过程故障诊断的方法和分类,着重对基于历史数据的多元统计方法进行了描述。随后,介绍了小波变换和信息熵的基本概念和发展现状。(2)针对本课题主要用到的数学工具进行了阐述。包括小波变换的理论,MCUSUM-MSPCA监测方法以及信息熵理论和计算方法。(3)提出了一种信息熵与主元分析结合的新的故障监测方法。通过信息熵来提取过程信号状态特征,将所计算的熵值与工况数据相结合建立主元分析模型中实现对过程的监测。通过对TE过程的仿真研究,验证了该方法的可行性和有效性。与PCA方法相比,Entropy-PCA能够更及时、有效的监测到过程中的缓变故障。(4)将基于信息熵选择小波基和最佳分解尺度的方法应用于MCUSUM-MSPCA方法中。使用不同的小波函数对历史数据在各尺度进行小波分解,并计算各尺度上小波系数的熵值。选定某一小波基函数中首次出现极小熵值时的分解尺度为该小波基的最佳分解尺度。再选取最佳分解尺度下熵值最大的小波基函数为最优小波基。从而实现了小波基和分解尺度的自动选择。对比实际监测结果表明,该方法是可行的,与通常的MCUSUM-MSPCA方法相比,大大简化了计算。