基于数据驱动的监测方法在控制领域受到越来越多的关注,众多学者在该研究方向上取得了突出的成就。针对间歇过程数据的非线性、非高斯性和多阶段性,本文提出一种基于子空间分离的多阶段间歇过程监测方法;针对工业过程现场现存少量的标记样本对故障检测具有一定的指导作用,本文提出一种基于先验知识的过程监测方法,该方法可以提高故障诊断模型的泛化能力、综合性能和精确性。具体研究如下:(1)为了解决多阶段间歇过程监测中存在的问题,本文提出利用基于子空间分离的多阶段间歇过程监测方法。首先对间歇过程数据进行标准化处理,然后通过分析阶段间关系来检测阶段过渡中的过程变量的变化,其次对每个阶段进行子空间分解,不同类型变化的子空间被提取出来,最后我们通过KICA算法建立一个综合的监测系统去监督不同阶段的变化。通过实验我们可以看出整个监测系统的监测效果还是不错的。(2)为了挖掘标记数据的潜在信息,本文提出基于先验知识的过程监测方法。该监测方法利用局部正则项可以使最优解性质理想的特点,但是由于局部正则项可能学习不充分,故还还利用全局正则项来加以修正。实验表明,基于先验知识的过程检测方法不仅是可行的,并且其故障检测精度很高。通过实验我们也可以知道,实验的监测效果很大程度上取决于已标记样本所占比例和模型参数。