间歇过程在现代工业中的地位越来越重要，为了保证间歇过程安全稳定运行和产品质量的达标，对间歇过程进行故障检测具有重要的意义。本文主要研究间歇过程的故障检测方法，以多向主成分分析法(MPCA)为基础，针对传统基于批次展开的MPCA方法在对间歇过程进行故障检测时，需要对反应未完成时刻数据进行预估的问题，研究一种基于变量展开的MPCA方法，该方法能够减少由于数据预估而引入的系统误差，故障检测结果更加准确，在盘尼西林发酵过程上仿真研究的结果表明，基于变量展开的MPCA方法能够减少故障检测的误报率，监控性能优于基于批次展开的MPCA方法。考虑到间歇过程数据中存在的显著非线性变化特性，本文研究一种非线性MPCA方法-多向核主元分析法(MKPCA)，由于该方法在故障检测上灵敏度不高，针对此问题，本文给出了两种改进的非线性故障检测算法-指数加权平均移动MKPCA(EWMA-MKPCA)方法和累积和MKPCA (CUSUM-MKPCA)方法，EWMA-MKPCA方法能够较好的捕捉过程数据在时间上的动态特性，考虑了历史时刻数据对当前时刻数据的影响，CUSUM-MKPCA方法对过程的信息进行累积，能够检测到过程变量的微小偏移，在盘尼西林发酵过程上进行故障检测仿真，结果显示改进的两种MKPCA方法提前了故障检测的最早时刻，对故障的灵敏度较高。