对工业过程进行监测的目的在于及时有效地发现生产过程的异常情况、保证安全生产、提高产品质量和降低成本。近年来，基于数据驱动的工业过程监测方法成为研究热点并被广泛应用。在这些方法中，独立元分析方法和非负矩阵分解由于具有提取数据有效信息的特性得到广泛应用。同时，随着工业过程的不断复杂化，要想在故障检测与诊断的过程中取得较好的监控效果，需要使用多个视角的数据全面的进行监测。本文在前人工作的基础上基于多视角数据将基于希尔伯特-施密特独立准则的独立元求取方法应用于工业故障检测与诊断，并提出了MFFD多视角数据降维方法，将其应用到电熔镁炉的故障检测与诊断中。针对以上问题本文主要做了以下研究:
　　(1)传统的核独立元是通过核主元分析方法和独立元分析方法求取的，算法优化过程中使用的定点ICA方法有明显的缺点，本文将基于希尔伯特-施密特独立准则的独立元求取方法应用到电熔镁炉故障检测与诊断。仿真部分通过对监控统计量引入滑动平均，使其更适用于多视角数据，提高了曲线的可视效果和检测效果，即当多视角数据的监控统计量跳变程度较大，加入平滑后能够抑制这种不确定性跳变;借助梯度提升决策树，在监控统计量下改进控制限实现多故障诊断，使我们仅仅通过监控统计量不仅可以判断故障类别，也可以观测到故障发生的严重程度。同时将图像的灰度数据、色彩数据和物理变量数据三个视角的数据进行协同建模，提高了最终的故障检测与诊断的正确率。
　　(2)多视角数据的来源途径不同，不同视角的数据对最后的故障检测效果的贡献程度不同，本文提出了基于多视角数据的降维方法，使用非负矩阵分解挖掘每个视角的局部信息，加入线性判别分析约束增强降维后基矩阵的分类能力，通过优化视角权重量化每个视角的重要性。最终将该方法应用于电熔镁炉的故障检测与诊断，取得了理想的效果。
　　(3)不同来源的数据具有不同的使用方式，本文提出了两种方式建立多视角数据模型:一种是多视角数据的统一建模方法，提高了过程监测的准确性、鲁棒性和全面性;另一种是首先对每个视角的数据分别进行降维处理，然后求取每个视角的权重，最后根据权重大小进行故障检测与诊断。