在现代工业生产过程中，及时有效地检测、诊断和修复过程故障是提供性能优良、品质一致产品的先决条件，这也是进行工业过程监控的目的和动机。多变量统计过程监控技术历经三十多年的发展，已经取得了一系列令人瞩目的成果，并在现代过程工业中得到了广泛的应用。但是大部分研究基本上是在过程检测数据服从多元正态分布和独立同分布的两个假设下进行的。然而，在实际工业过程中，过程信息非常复杂，服从何种分布很难确定。本文的研究正是着眼于克服这两大假设条件，使过程监控技术能更好地适用于实际工业生产过程。 为此，本文采用独立元分析方法作为研究的主要数学工具。独立元分析的基本原理是通过分析多维观测数据间的高阶统计相关性，找出相互独立的隐含信息成分，完成分量问高阶冗余的去除及独立源信号的提取。它具有比主元分析更好的刻画过程运行特征的性能。本文的主要内容如下： 1．介绍了过程监控的基本概念和内容，并指出了流程工业基于子空间特征信息提取进行过程监控的优越性。此外，还简要地描述了主元分析方法和独立元分析方法及它们在过程监控中的应用。 2．由于过程信息并非均服从正态分布，根据过程信息能够用若干“尽可能独立”的过程特征信号进行描述的原理，提出了一种基于独立元分析的过程监控方法。仿真研究表明，这种方法是有效的。 3．通常过程信息或多或少地受到噪声的干扰。为了提高独立元信号描述过程的能力，提出了首先利用小波变换去噪，然后提取独立元信号进行过程监控的方法，对过程监控仿真的结果表明，这种方法比基于传统统计监控方法具有更好的监控性能。 4．在很多真实环境下，线性假设往往只是对非线性ICA模型的一种近似描述。有时线性假设可能会带来一些不正确的结果。基于此探讨了一种非线性ICA方法在过程监控中应用，并对此做了一些初步的研究工作。 最后，对以后多元过程监控技术的研究方向进行了一些有益的展望。