随着计算机技术的快速发展，大量的历史过程数据得以采集和保存，这就为在线故障检测与诊断提供了非常便利的条件。通过对这些数据进行分析，可以检测整个过程的运行状况，对可能存在的故障做出相应的判断，可以减少事故发生的概率。本文旨在通过分析流程工业数据流的特点，引入满意模糊聚类算法，设计系统，从而有效地判断系统的故障，其主要工作有如下几个方法:　　1)针对采用流程工业中信号时间序列的特点，提出一种异常值检测与修复算法，对所有采集的流程工业数据进行预处理。该方法通过计算时间序列信号的变化速率，对其进行多元统计分析，进而得到异常值发生的位置，并利用内插法，对原始的测量信号进行修复，确保检测信号的完整性，并应用于蒸馏塔的IPB检测系统中。　　2)针对流程工业数据具有菲线性和多分布性的特点，引入模糊聚类算法，提出一种基于满意模糊聚类的在线故障诊断方法。该方法通过设定满意聚类指标，自动决定类聚类个数，对每一个数据流满意的模糊划分，以提高在线运算的速度，随后通过数据流之间的二次聚类，实现聚类的融合，自动保存系统的工况变化;再通过分析样本与现有聚类中心的距离，计算控制置信限，实现对流程工业系统的在线故障诊断。最后通过对Iris数据库以及CSTR非线性系统进行仿真，论证所提方法的有效性、准确性。