现代工业控制过程的大型复杂化使得过程监测得到的数据信息越来越丰富,因此对过程控制的安全、高效和持续性要求越来越高。为了能更准更迅速的监测到工业过程中发生的故障信息和更好的对产品质量信息进行预测,故障监测方法越来越受到重视。首先介绍工业过程故障背景及研究意义,阐述了过程监测技术的方法及多元统计过程监测的发展和国内外现状。其次介绍了核独立主元法、非高斯最大化法、核偏最小二乘法、流形正则化法以及基于已有知识信息特征提取的学习方法。在核独立主元和核偏最小二乘法的基础上提出了一种基于质量相关的QKICR算法,修正了传统KICR算法提取独立成分时所用的优化目标函数,使独立成分的选取不仅仅考虑独立性问题,同时兼顾独立成与质量变量间的相关性,很大程度提高了质量预测方面的性能。在流形正则化法和基于知识信息学习方法的基础并考虑工业过程中具有多个工作模式的基础上,提出一种基于特征提取的流形正则化的故障监测方法,把少量经验知识数据和大量无经验知识数据的信息特点融入到流形正则化方法中去,针对不同的工业模式过程数据以达到更好的故障监测效果。最后将提出的算法在连退过程和田纳西-伊斯曼过程进行仿真,分别对它们的质量预测性能和故障监测性能进行了检验,通过与其他方法的对比去验证提出的方法的有效性。