近年来,随着现代社会对多品种、多规格和高质量产品迫切的市场需求,工业生产更加倚重于可以生产多种产品的高效过程,并且生产运行的安全性、可靠性已成为工程人员关注的焦点。但是,过程生产方案的变动或者产品类型的改变会导致生产过程出现具有不同潜在过程特性的多种模态。多模态复杂过程的多变量、多工序、变量时变性、以及模态转换时间不确定等多种原因,导致多模态的故障监测是一个复杂的问题,不但要考虑稳定模态下的故障监测,也需要考虑不同稳定模态间的过渡过程的故障监测。高斯混合模型是一个常用的描述混合密度分布的模型,如果子模型个数足够多,它能够以任意精度逼近任意的连续分布。高斯混合模型是一种半参数的密度估计方法,它融合了参数估计法和非参数估计法的优点。本文基于高斯混合模型的方法,提出了一套多模态过程监测的方案。1.模态的识别。数据模态识别是对没有模态指示信息的数据进行类别划分。不论离线建模还是在线监测,识别出生产数据对应的模态信息,是整个多模态过程监测中的关键问题。针对离线模态识别问题,利用的高斯混合模型计算出生产数据的后验概率,并利用后验概率对稳定模态和过渡模态进行有效划分；针对在线模态识别的问题,利用高斯混合模型得到联合密度,结合过程的当前运行状态,有效解决了对在线数据对应模态类型的识别问题。2.离线建模。本文利用高斯混合模型进行离线建模,针对稳定模态和过渡模态的数据特性,对稳定模态和过渡模态分别进行离线建模,每一种稳定过程和每一种过渡过程都建立一个高斯混合模型,并且针对过渡模态的变量特性,在过渡模态建模时利用差分算法提取过渡数据的相对变化,来描述过渡模态的动态特性。这种建立多个模型的建模方法提高了整体离线模型的精度。3.在线监测。根据已建立的离线模型,定义了基于贝叶斯推理的概率指标(BIP)作为监测目标,BIP指标由后验概率和基于马氏距离的概率指标两部分组成的,通过BIP指标与控制限的比较,从而实现了在线监测。最后通过仿真验证了本文所提出的多模态过程监测方法的有效性。