近年来,随着科学的发展和技术的进步,现代化大生产中的工业系统变得越来越庞大,系统复杂性也成倍增长。然而,这类系统一旦发生故障,将造成巨大的财产损失和人员伤亡。为了保证生产过程安全运行,提高产量质量和经济效益,需要对工业过程的异常状况或故障进行在线监控,从而提高复杂动态系统的可靠性和可维护性。此外,集散控制系统和现在总线技术在工业过程中得到了广泛应用,大量的过程数据被采集并存储。在这样的工业背景下,基于数据驱动的多元统计方法成为了过程监控领域中的研究热点。传统基于数据驱动的工业过程在线监控主流方法大多做理想化处理或者条件假设,比如数据的线性假设,过程时不变处理等。然而,这些假设在一定程度上无法准确地描述实际工业过程,从而影响监控应用效果。本文针对流程工业过程监控中遇到的实际问题,提出了一些更加有效、准确的过程监控新思路和新策略。文章的主要研究工作如下：(1)针对非线性过程监控问题,提出了一种基于核偏最小二乘(KPLS)的过程监控方法。该方法的思路是首先通过核函数将输入数据映射到高维特征空间,再在高维特征空间进行PLS运算。通过充分提取非线性系统的特征,构造相应的监控统计量,取得了比普通的PLS方法更好的监控效果。(2)针对工业过程时变问题,提出了一种改进的自适应在线监控策略。该策略首先通过正常新样本和老模型来更新PLS模型,当模型长度到达一定阶段后,接收新数据的同时抛弃最旧的数据,在保持模型长度不变的情况下更新模型。与传统的偏最小二乘(PLS)及递推偏最小二乘(RPLS)相比,所提方法具有更好的在线监控性能。(3)针对过程监控不完整问题,提出了一种全新的完整监控思想,首先将过程输入和输出数据被并行地投影到5个子空间中,然后在这5个子空间中构造不同的过程故障监控指标来检测不同类型的故障报警。这个方法不仅在可预测的输出子空间和不可预测的输出残差子空间中给出了一个完整的故障检测,同时也对影响输入空间以及发生在输出早期的一些故障进行检测。最后将文本所提的新过程监控方法在Tennessee Eastman化工过程以及连续搅拌釜式反应器(CSTR)上进行仿真研究,并与其它方法进行比较分析,实验结果验证了新策略的有效性和准确性。