过程监测技术的出现是工业过程趋向自动化、智能化的标志,作为保障系统安全稳定运行的关键要素,其不可或缺性日益凸显。以往朴素的过程监测技术着眼于工业过程机理模型。然而,针对复杂程度日益提高的现代工业过程系统,即便辅以先进的模型辨识手段,基于物理化学先验知识的精确过程模型也越来越难以构建,这已成为工业控制学术界的共识。为此学术界将目光转向由传感器技术、网络通信技术、计算机数据处理技术的发展而带来的海量工业过程数据。显然,这些工业过程历史运行数据中蕴含着变量间的相关关系,充分挖掘数据内部的信息将极大地助力过程监测方法的研究。现有的基于数据的过程监测机制研究大多面向线性的、静态的工业过程,虽然这些研究取得了一定的成果,但仍然难以满足实际工业系统中非线性的过程监测需求。针对这样的情况,本文以偏最小二乘法为理论根基,试图建立一套完整的工业过程监测体系,使其能够适应于线性、非线性以及动态过程的监测。本文首先介绍标准偏最小二乘算法原理,针对偏最小二乘算法的缺点,介绍一种以完全分解数据空间为核心思想的改进型偏最小二乘算法,并讨论该方法在故障检测中的应用,为后续算法的提出奠定理论基础。接下来本文探讨核偏最小二乘算法在非线性过程监测中的应用问题。在此基础上,提出一种基于核偏最小二乘算法的在线非线性过程故障检测方法。同时引入小波变换对数据情况复杂的非线性工业过程进行监测。以数值算例和污水处理系统为应用背景,验证所述方法的可行性,为监测非线性、数据情况复杂的工业过程提供一种行之有效的解决方案。为了寻求动态过程监测问题的解决方法,本文基于解构过程数据以及过程模型的思想,将多子阶段模型方法与核偏最小二乘法相结合,其核心思想是在对动态过程进行监测之前,先对考察的过程进行精确建模。这一部分内容给出了非线性动态工业过程监测方法的新实践。