复杂工业生产过程的质量监控和故障诊断在现代工业生产中具有重要的地位。然而质量变量的检测数据往往难以实时获取或获得的成本较为高昂,故以往大部分的故障诊断手段都是以监控过程变量的异常变化为主。但该类监控方法不能判断监测到的过程变量的变化是否会影响到输出产品的质量,而实际中我们需要重点关注那些对产品质量有影响的故障同时忽略那些与质量无关的故障,因此,能够揭示过程变量和质量变量相关关系的、可靠的、实时的监控方法是质量监控的重中之重。针对这个问题,本文首先分析了偏最小二乘算法(PLS)和局部线性嵌入算法(LLE)在此方面应用的优势和不足,然后根据优势互补的思路,给出了部分融合和完全融合等两类融合方案。1.通过引入平衡参数的方法将PLS的全局结构信息和LLE的局部几何结构信息直接结合起来,给出了基于LLE增强型的偏最小二乘(LLEEPLS)算法。仿真结果表明该算法在具有良好的局部几何结构保持能力的同时能够较好地建立起过程变量和质量变量之间的相关关系。2.在1的基础上,本文进一步分析了 LLEEPLS方法在PLS和LLE融合过程中存在的不足,然后给出了改进的局部线性嵌入增强的偏最小二乘算法(MLLEEPLS),该算法能完整地将LLE的局部几何结构特征嵌入到PLS的算法中。仿真结果表明该算法不仅具有良好的非线性降维能力,也具有良好的预测能力。