随着社会需求的日益提升,现代供热企业正朝着信息化、规模化和智能化的方向发展,同时也对供热锅炉控制系统的可靠性和安全性提出了更高的要求。因此对锅炉运行过程进行实时的故障监测,及时辨别出生产过程中出现的故障状态点和对故障原因变量的溯源,是保障系统安全稳定运行的重要环节。本文以数据驱动中的多元统计分析方法为基础,针对供热锅炉工业过程多变量、多模态和非线性的过程特性进行故障诊断研究。本文的主要研究工作包括以下几个方面。首先,针对工业过程中普遍存在的多模态特性,提出了一种基于交叉分段PCA（Principal Component Analysis,PCA）的故障检测方法。依据模态识别值对工业过程数据进行聚类分析,并通过交叉分段的方式将连续工业过程数据进行类别划分,有效实现了稳定模态和过渡模态的划分。针对稳定模态的故障检测,依据数据特征匹配与其相对应故障检测模型,提高了稳态故障模型的适用性。针对过渡模态渐变的过渡特性,提出了多段稳态子模型综合判定的方法来实现过渡模态的故障检测。以供热锅炉实际过程故障监测结果验证,本方法与传统PCA方法相比减少了漏报和误报,提高了故障检测的准确率。其次,针对核主元分析方法在复杂工业过程监测中普遍存在异常检测准确度较低的问题,分别从核函数的形式和参数两个方面进行探究,提出一种基于PSO（Particle Swarm Optimize,PSO）算法的改进KPCA（Kernel Principal Component Analysis,KPCA）故障检测方法。针对核函数形式的选取,本文结合全局核函数的泛化能力和局部核函数的学习能力,提出一种将多项式核和高斯核线性组合的混合建模新方法,使得改进的混合核函数具有更好的综合能力。在改进KPCA方法的基础上引入PSO算法对改进核函数的参数进行优化选取,进一步提升混合核函数的线性可分能力。经TE化工过程的故障检测实验表明,本方法能改善故障检测的准确性。最后,在大连某锅炉实际运行工程背景下,结合其具体的工艺需求,设计了基于GUI的供热锅炉故障监测和诊断平台,借助计算机的强大的计算能力,将本文所提的故障检测与诊断的理论方法进行现场检验,结果表明,本文方法能够准确、高效的针对锅炉运行中所发生的故障进行识别与诊断,较传统方法具有更高的准确率,本研究对保障复杂生产过程的持续稳定安全运行具有一定的借鉴和参考价值。