随着我国经济的快速发展和人民生活水平的日益提高,整个社会对工业过程的安全有着越来越高的要求,其安全与稳定不可忽视。对过程进行实时监控可以有效地监测到过程异常,及时采取措施,避免事故的发生。随着计算机技术和网络技术的发展,已经逐步实现了工业设备的海量信息获取,从而使得越来越多的数据可用于过程监控。基于数据驱动的过程监控方法在过去的十几年时间中得到了快速的发展,其中多变量统计过程监控方法(MSPC)更是成为最近的研究热点。本文针对过程中的多工况监控问题,首先采用模糊C均值(FCM)算法进行工况划分,再用支持向量数据描述方法(SVDD)进行过程监控；针对传统FCM计算过程容易陷入局部极小的缺点,提出了一种最优化的方法来代替原始的梯度迭代算法；两种方法分别在乙烯裂解炉过程监控上进行了应用,并分析了改进的FCM算法对监控结果的改进之处。接着本文根据过程的输入输出关系,提出了一种基于多模型局部建模的过程监控方法。首先用局部建模方法获得监控残差,再用Greedy方法提取建模数据集的特征样本用于SVDD建模并进行监控,并在TE过程(Tennessee Eastman Process)和乙烯裂解炉监控上进行了仿真和应用。同时,本文提出了一种多模型外部分析的方法用于去除过程多工况的影响,并针对SVDD方法计算复杂度高的问题,提出了基于单簇核可能性聚类(KP1M)勺多工况过程监控算法。最后,介绍了开发的过程监控软件和过程仿真平台。