随着工程技术、计算机技术和信息管理技术的飞速发展,过程工业的规模趋向智能化、大型化、连续化与自动化。面对日趋庞大的过程系统,传统的过程安全管理模式难以考虑到所有可能的突发异常,从而无法处理突发的异常事件。然而与此同时,越来越多的过程变量能够得到测量、处理与监控,而这些数据往往能够反映系统的运行状态,可在异常事件发生时为操作人员的安全决策提供支持。鉴于“工业4.0”过程系统特征,本文开发基于工业数据的安全管控方法,旨在结合数据驱动方法、自动化技术与安全系统工程理论,利用数据指导过程工业的生命周期安全管控,解决复杂的过程安全问题。研究涉及全厂生命周期安全管控中的冗余设计、控制操作、监测检查、维护以及紧急响应五个阶段。针对工业系统的设计过程,提出基于设备寿命数据的闭环系统动态可靠性评估方法,分析系统中各组件的重要度等级,从系统可靠性的角度指导过程工业的设备冗余设计。同时,考虑到系统的维修特性,开发基于蒙特卡罗仿真的非概率可靠性评估策略,分析可维修闭环系统的可靠性,为系统维修策略的制定提供支持。考虑到过程工业安全操作及控制的重要性,根据数字孪生理念,建立基于数字模型的过程系统实时安全管控系统。通过数据驱动方法,为不同故障模式开发对应的安全管控策略,通过数字模型实现实时状态监测、故障隔离以及容错优化控制。同时,提出基于深度循环神经网络的非线性数字模型建模方法,进一步开发数字模型建模技术,实现更准确、迅速的过程安全监测。为解决过程系统的紧急响应问题,根据过程数据,从诊断的角度分别提出警报诊断和故障诊断方法,以期在事故发生后快速、准确地排查事故原因。鉴于事故情况下的警报泛滥问题,构建基于注意力机制的LSTM格兰杰因果分析模型,诊断警报根源,消除冗余警报信息。此外,针对数字模型的故障诊断问题,改进赋时Petri网模型,开发基于残差和知识的故障诊断方法,实现过程系统在紧急情况下的故障诊断。论文所提出的方法仅需求稳态过程数据来构造数字模型,而无需任何故障数据作为先验样本。在过程系统的一个生命周期后,系统将记录事故相关数据,改进生命周期中的各阶段模型,实现基于数据的过程工业闭环式安全管理。