过程监测是保证生产安全、稳定运行的一个非常重要的措施。基于数据的非线性过程监测方法的研究是近年来自动控制领域中一个十分重要的课题。本文主要研究了基于非线性过程监测的几种方法,在核主成分分析(KPCA)方法的基础上,研究了目前最新的一种核方法,即核熵成分分析(KECA)。在此基础上,研究KECA方法处理后数据具有特殊的角结构特征,提出了一种基于KECA角结构进行非线性过程监测的方法。本文以田纳西-伊斯曼(TE)工业过程为仿真背景,主要研究的内容如下：(1)探究了基于数据的非线性过程监测方法的发展及研究现状。分析各类非线性方法在过程监测中的优劣势。将核主成分分析法(KPCA)作为一种典型的非线性方法用于过程监测中,通过与主元分析(PCA)的原理分析和仿真比较,验证了KPCA方法用于非线性过程监测中的可行性和实用性。(2)研究了核熵成分分析(KECA)的非线性过程监测方法,探究了KECA方法的特点及与KPCA方法的差异性,并进行对比仿真分析,验证了KECA方法较KPCA方法应用于非线性过程监测时的优越性,KECA方法在漏报率、误报率和故障灵敏度等监测指标上都优于KPCA方法。(3)研究KECA角结构的特征,探究了基于KECA角结构特征进行非线性过程监测的方法,并与传统监测方法中利用SPE和T2统计量进行过程监测的方法进行对比。指出基于KECA角结构的过程监测方法能够有效提高非高斯过程监测的效果,在一定程度上避免对数据高斯分布假设的局限性,因而在应用上体现了更好的普适性。并通过仿真对比分析,基于KECA角结构监测统计量得到了平均故障漏报率为12.15%,故障误判率为8.63%的监测效果,优于传统方法基于SPE和T2统计量得到的结果,并且KECA角结构的方法在故障灵敏度、简洁性等方面也体现了明显的优越性,仿真验证了基于KECA角结构过程监测方法的实用性和优越性。