过程监控在现代工业生产中扮演着十分重要的角色,过程监控的效果好坏直接影响工业的生产效率。统计过程监控是以多元统计为基础的一种数据驱动的方法,通过对过程进行监控,并对监控到的数据进行处理,可以获得正常工况下的情形,也可以检测和诊断监控过程中出现的异常情况,根据异常情况作出相应的处理以保证整个系统的运行、保证了生产效率。本文结合典型的间歇性化工生产过程即啤酒发酵过程为研究对象,由于ICA不能准确的对故障进行隔离,所以将ICA单独应用到啤酒发酵过程不能够精确的诊断出故障产生的具体原因。而SVM分类器能够对故障进行分离,但是容易造成错分问题,鉴于此,本文提出了一种ICA-SVM集成的故障诊断方法,并将其应用到啤酒发酵过程中。主要工作为:1.首先介绍啤酒发酵过程需要监测的变量和故障诊断的需要,并引进了ICA-SVM模型。2.对独立成分分析算法以及估计原理进行介绍,并讨论了单独使用ICA的缺点,发现ICA难以准确的进行故障隔离。而SVM能够对数据进行分类,故引入了SVM,介绍了SVM的优缺点。3.由于单独使用SVM容易造成错分的问题,本章提出一种ICA-SVM集成算法,选择过去几年的故障样本与正常样本进行仿真实验。4.针对啤酒生产过程的几个关键变量温度、压力等因素对啤酒发酵过程的影响,将ICA-SVM故障诊断模型应用在啤酒的发酵过程中,通过实验数据来验证ICA-SVM的可行性。