在工业生产过程中,不可避免的会发生设备损耗和故障的情况,不但影响产品的质量,有时还会发生重大生产事故,完全依靠人力的传统监测方法已不足以解决复杂的质量控制问题。基于多元统计分析的监测方法不依赖于精确的数学模型,充分利用现有的生产过程数据就能够完成生产过程故障监测与诊断。统计过程监测方法具有可实现性强,方法简单等优点,历经三十年的发展,取得了一系列瞩目的成果,并在现代工业生产中得到了广泛应用。本文运用多元统计理论,以田纳西—伊斯曼(TE)过程数据为研究背景,阅读了大量的参考文献,主要进行了以下几方面的工作：1)采用核主元分析(KPCA)方法,对田纳西—伊斯曼过程数据进行了故障检测和诊断,并与基本的主元分析(PCA)算法进行了对比研究。仿真结果表明,能够提取非线性主元的核主元分析方法具有较好的故障检测和诊断效果。2)在引入简易支持向量机的同时,采用了基于核主元分析和简易支持向量机结合的故障诊断方法。利用核主元分析提取故障数据的非线性主元,然后用简易支持向量机建立故障诊断模型,降低了故障诊断的错分率。3)针对简易支持向量机方法的模型参数选择对模型的精度有很大影响的问题,采用粒子群算法对简易支持向量机模型参数进行优化。并通过对故障的深入研究,提取主要变量,然后采用KPCA-SSVM方法进行仿真实验,大大降低了故障诊断的错分率,表明该方法具有很好的故障诊断效果。