工业过程大多是复杂的非线性过程，同时工业过程的稳定性和安全性显得尤为重要。为了保证工业生产过程的正常进行，对工业过程自动控制生产的监测和故障诊断提出要求。故障检测与诊断技术（Fault Detection and Diagnosis, FDD）广泛地应用到工业自动生产系统中。本文以工业生产中两种比较典型的非线性过程，即污水处理过程和间歇过程中的青霉素生产过程作为研究对象。针对于污水处理过程，本文应用多模型故障检测的方法。多模型故障检测主要采用几种不同方法相结合。在污水处理过程中本文采用多种聚类的方法和主成分分析结合的多模型方法进行故障检测对比研究，最终得到改进的减法模糊C均值聚类和提升小波变换去噪的预处理和主成分分析结合的多模型方法应用于污水处理过程的故障检测，取得较好的效果。在青霉素过程故障诊断过程中采用了批处理故障诊断方法。本文采用了SOM预划分青霉素过程阶段预处理的方法，并且将BP神经网络应用于青霉素过程故障诊断当中。同时也用了遗传算法优化BP神经网络。得到了一种改进的多批次SOM-GABP的青霉素过程批处理故障诊断方法。最后，本文采用Labview将提出的方法应用于工业平台。