随着科学技术的不断发展,工业生产流程发生了显著的变化。作为国家支柱型产业的现代流程工业的发展水平,不仅代表着国家竞争实力和社会经济发展水平,而且还与国民的生活水平息息相关。与此同时,流程工业的各个环节之间通常相互关联,任何一个环节的偏差或异常都会影响其他相关联部分,甚至引发一系列严重的生产事故。因此,如何保障流程工业的安全平稳运行已成为亟待解决的工程与技术难题。过程监控作为一种有效解决方法,受到了越来越多科技人员的关注,并得到了深入发展。这里采用独立分量分析多元统计方法,针对流程工业过程监控实际需要,展开相关的理论与应用研究,主要工作如下:首先,针对流程工业过程变量之间紧密相关的特点,应用独立分量分析方法(ICA)对模拟变量进行高阶统计信息分析,实现准确有效的特征提取与处理。其中,对基于负熵的FastICA算法进行了系统论述,并通过无噪声、有噪声两种情况下的混合信号的独立分量分解仿真实验,证明了该方法具有良好的信号分离能力。其次,针对传统方法无法选取关键且可靠的独立分量这一难题,采用基于聚类分析的评估方法对分离的独立分量进行有效选取,据此针对不同选取结果建立相应的两类统计量监控指标,实现对系统状态的准确刻画,为过程监控提供了更准确的客观依据。再次,针对统计量控制限的设定问题,采用非参数核密度估计方法对各个统计量的概率密度函数进行估计,进而计算它们各自合理的控制限。其中,对于核密度估计中的核函数和窗宽参数两个主要影响因素,核函数选用高斯核函数;窗宽参数使用遗传算法进行全局寻优,得到符合实际问题的最优窗宽,然后带入核密度估计公式中得到监控统计指标的概率密度函数。最后,给出完整的基于ICA的过程监控流程,通过对TE过程多种故障的实例研究,验证了基于ICA过程监控方法的可行性与有效性;而且基于上述研究结果,设计、开发了相应的ICA过程监控软件,可以为该方法的应用提供基本的软件工具。通过上述理论与应用研究,进一步改进和丰富了基于ICA的多元统计过程监控的相关技术理论,为保障流程工业过程安全平稳运行提供了新的选择。与此同时,也对下一步研究工作的开展进行了展望。