随着现代技术的发展和高科技的应用,工业过程的流程不在是简单易懂的运作过程而是变得越来越复杂,对过程控制的持续、高效和安全性的要求越来越高,能及时有效地发现生产中的异常情况变得越来越重要,过程监测技术是解决这个问题的有效途径。其中基于数据的过程监测技术已被广泛应用到该领域进行故障的监测。本文以工业冶炼氧化镁为背景,电熔氧化镁熔炼过程生产工艺复杂并且容易发生异常工况,由于难以建立精确的数学模型,所以采用基于数据的过程监测方法对电熔氧化镁熔炼过程进行监测。本文在前人工作的基础上,开展了基于图对偶非负矩阵分解的过程监测算法和基于低秩稀疏回归的多视角异构数据协同建模监测方法研究,并把算法用于监控平台实现实时监控的功能,主要研究内容如下:为了得到更多的炉面数据,防止因为电极遮挡等原因导致异常工况发现不及时的问题,利用多视角的方法采集图像数据,相比于单视角的方法采集的数据信息更全面。为了解决数据维度过高的问题,采用非负矩阵分解的方法对数据进行降维。为了保持特征空间和降维后数据空间的流形结构,采用图对偶的方法进行流形保持,更好的保持了降维后数据空间和特征空间的局部特性。根据上述问题提出了基于图对偶的非负矩阵分解过程监测算法,并用电熔氧化镁冶炼过程数据进行仿真,对故障的监测效果进行检验和分析,提高了故障诊断的准确率。考虑到只利用图像数据进行建模会有数据比较单一的问题,以及在图像数据进行特征提取时可能会有人为因素导致忽略某些特征,并且考虑到大数据间的必然联系性,提出了基于低秩稀疏回归的异构数据协同建模的监测方法。根据相同工况下图像和电流具有相同流形结构的原理,实现了图像数据和物理变量的协同。利用稀疏回归的方法既解决了维度问题又提高了数据的稀疏性,利用相关性的方法将三个视角联合,利用电熔氧化镁冶炼过程数据进行仿真分析,提高了故障监测的准确率。最后利用视频监测平台,实现了视频数据的实时显示,以及在平台中对第四章的算法进行了验证。