化工过程对于工业的生产十分重要。近年来，由于科技的不断进步和发展，化工过程拥有越来越先进的设备，越来越复杂的生产过程，对其的投资量越来越多和越来越先进的智能化水平，所以一个特别重要的问题就是如何实现其安全性和可靠性。而其中一种重要的手段就是对其进行故障诊断，使其更加可靠和安全。所以对于化工过程来说，故障诊断技术是有很重要的作用和意义的。本文以一个典型的化工生产过程TE(Tennessee Eastman)过程作为研究的对象，提出了两种改进的核聚类算法，在一定程度上提高了故障诊断系统的准确性和快速性问题。本文首先对故障诊断的研究意义和发展现状做了综述，概述了TE过程已有的故障诊断方法，并且详细的阐述了TE过程。然后，针对TE过程故障诊断系统的准确性问题，对TE过程已有的故障诊断方法进行比较研究，对存在的不足，提出了一种改进的核聚类算法，即核主元分析(KPCA)和模糊核C-均值聚类(KFCM)集合的故障诊断方法，对该方法和已有方法进行仿真分析和比较研究。比较结果表明，核主元分析(KPCA)和模糊核C-均值聚类(KFCM)集合方法要优于模糊核C-均值聚类方法和模糊C均值聚类方法。再次，针对TE过程故障诊断系统的快速性问题，对TE过程已有的故障诊断方法进行比较研究，对存在的不足，提出了一种改进的增量核聚类算法，即核主元分析(KPCA)和增量模糊核C-均值聚类(IKFCM)集合的故障诊断方法，对该方法和已有方法进行仿真分析和比较研究。比较结果表明，核主元分析(KPCA)和增量模糊核C-均值聚类(IKFCM)集合方法要优于增量模糊核C-均值聚类方法和增量模糊C均值聚类方法。最后，在LabVIEW环境下建立过程监控系统的应用平台，对所提的故障诊断方法进行比较研究。