随着工业智能化的不断推进,如何将传感器与智能设备通过网络连接起来,实现对工业现场的监控成为了研究的热点。各种基于物联网的过程监控平台应运而生。传统工厂存在着自动化程度低、现场工作站的存储和计算能力有限、系统过程监测数据利用不充分、工业数据呈现非线性非高斯特性,故障检测率不高、难以实现实时故障诊断的缺点,本文针对以上缺点,结合物联网技术和故障诊断技术,展开了相关研究,本文的主要工作如下:针对工厂中自动化程度低,现场工作站的存储能力有限的缺点,本文利用智能传感器和基于Opc或Udp的数据传输协议,将工业现场的数据传输到存储空间大的服务器中,利用My SQL+Redis数据库来快速高效的存储数据。通过物联网技术实现了数据的传输与存储。并基于物联网技术构建了一套故障诊断系统,根据物联网的四层架构设计了系统方案。搭建了一个物理的智能过程控制测试平台（Intelligent Process Control-Test Platform,IPC-TF）,为物联网故障诊断系统提供了物理测试平台。基于Delta V系统搭建了软件平台,采用顺序功能图（SFC）和功能块图（FBD）编程语言完成算法模块的编写。通过IPC-TF模拟了真实流程工业中工厂的运行和过程控制。针对过程监测数据利用不充分,工厂数据呈现出非高斯非线性特性的问题。本文研究了基于数据的故障诊断技术,并提出ICA-SVDD方法,将原始数据经过独立成分分析（ICA）提取出独立分量,然后利用支持向量数据描述（SVDD）对独立分量建模分析,最终在TE平台上进行验证。结果表明,ICA-SVDD方法够有效检测非线性非高斯数据,并且比传统ICA算法具有更高的检测率。针对难以实现实时故障诊断的问题,本文采用B/S架构编写了基于Web的故障诊断软件系统。建立了一套故障诊断算法库,利用Opc和Udp数据传输协议,开发了接口与现场数据进行实时对接,并将实时数据进行建模分析,实现对工业现场的实时故障诊断,并将该系统在IPC-TF的非线性水箱系统中进行了测试。结果表明,基于Web的故障诊断系统能够对工业系统进行有效的诊断,证明了系统的可靠性。