随着多变量统计过程控制理论与技术的发展,主元分析(PCA)方法已经在实际生产中得到了广泛的应用。然而,采用传统的PCA方法监控含有模式变化的生产过程时,统计模型会把正常的模式变化判别为故障,从而引发错误的报警信息。多模式PCA方法根据过程模式特征对过程数据分阶段建立监控模型,能够有效区分模式改变与过程故障,降低误报警率。本文在相关技术方法研究基础上,提出了一种结合动态趋势分析的多模式PCA统计监控方法。主要解决了两方面问题,一是区分正常模式改变与故障,防止误报警,二是能够监控模式过渡阶段各变量的变化趋势与幅度是否正常。论文的主要工作如下：1、研究了基于多模式PCA的过程监控方法,提出了一种带有过渡阶段的多模式PCA监控方法,详细介绍了多操作模式过程阶段划分、模型建立以及在线监控方法；2、基于对动态趋势提取与匹配方法的研究,提出了一种针对过程模式过渡阶段的多变量动态趋势识别方法。通过提取过程变量在过渡阶段的标准趋势,得到趋势形状与幅度特征模型,用于在线趋势匹配。给出一种新的趋势幅度变化监控指标,能够更全面地反映趋势幅度变化特征；3、建立了结合动态趋势分析的多模式PCA统计监控方法。应用动态趋势分析对在模式改变时具有明显趋势变化的变量进行模式识别,判断其是否与已知模式相匹配,而对于不受模式变化影响的变量采用多模型PCA监控。此方法能够区分操作模式改变与过程故障,可以对操作模式过渡阶段实施更准确的监控；4、基于Matlab在田纳西—伊斯曼过程(TEP)仿真平台上验证了提出方法的可行性和有效性。基于VB语言开发了多模式PCA监控系统。该系统可以对实际工业过程建立统计模型,并实现实时单变量、多变量及多模式过程监控。