本文首先对传统的数据协调方法和过失误差侦破方法进行了研究。针对数据协调过程中投影矩阵构造困难的问题，提出了一种协调过程数据的新方法，该方法使得数据协调和变量分类不再依赖投影矩阵的构造。对两个实例的研究结果表明，该方法比较有效，具有一定的实用性。 非线性过程系统的数据协调和变量分类是人们普遍关注的问题，迄今为止人们还没有找到一套令人满意的解决方案。为此，本文提出了一种基于MATLAB优化工具箱的数据协调方法，该方法采用逐次二次规划技术求解数据协调模型。对几个算例的研究结果表明了这种方法的实用性和有效性。 分析了传统的基于顺序剔除和顺序补偿的过失误差侦破和识别策略存在的问题，提出将线性组合技术引入过失误差同步估计策略，用于确定候选过失误差子集，以减小组合检验的规模，缩短侦破和识别过失误差的时间。几个具体实例的研究结果表明该算法具有较好的性能。 针对数据校正中普遍存在的等价过失误差集问题，提出采用不平衡关联策略精确定位过失误差，对一个算例的研究表明该方法简便、直观、有效，具有一定实用性。