随着现代工业过程不断向大型化、集成化、复杂化的方向发展,高效而稳定的在线监测和故障诊断技术是保证生产安全、提高产品质量、降低生产成本、增加经济效益、提升企业竞争力的关键手段。对于越来越复杂的工业过程来说,准确而详细的数学模型基本是不可能得到的,而随着计算机技术、信息技术的发展以及智能化仪表的广泛应用,工业生产当中的过程数据被大量的获取和存储,因此,对这些过程数据进行有效的处理和分析,提取有用的特征信息,实时监测和识别过程中出现的异常工况,可以有效的减少甚至避免过程故障所造成的损失。本文就故障检测和故障诊断两方面对工业过程监控技术进行了研究。首先针对过程监控数据的非线性特点,提出了一种基于核方法的部分最小二乘法(Kernel PLS)来对过程进行在线的监控和检测,判断过程运行状态是否有异常；然后,提出了一种改进的基于鲁棒加权的最小二乘支持向量机(RW-LSSVM),构造故障分类器,对所发生的故障进行识别与诊断。为了验证该方法的有效性,将该方法应用到标准过程仿真模型TE过程中进行故障检测和诊断,取得了预期的效果。