现代工业正在由传统的连续生产过程向小、快、灵的间歇过程发展。相比于连续过程，间歇过程更容易受到外界干扰的影响，因此面向间歇工业的过程监控及故障诊断逐渐成为当前研究的热点。　　 多时段特性是间歇过程普遍具有的一类特性，各时段内的统计监控模型差异也较大，因此如何划分子时段并建立子时段模型成为多时段间歇过程监控的一个难点。本文提出了一种基于支持向量数据描述(SVDD)的两步阶段划分方法，在初步分段将机理知识与现场数据相结合，通过引入采样时间扩展负载矩阵，从而避免由故障数据所造成的误分段。接着通过SVDD超空间距离对过程的稳定阶段和过渡阶段进行细化。最后针对各子时段分别建立子模型对过程进行监控。　　 在上述研究中，采用硬过渡方法，即将过渡过程作为一个稳定的模型进行建模监控。事实上，过渡过程是动态变化的过程，稳定模型不能反映过渡过程的动态特性，其监控精度也会相对较低。为此，本文提出一种基于SVDD超空间距离的软过渡建模方法，针对过渡阶段的动态特性，以SVDD超空间距离作为依据，计算过渡阶段各时刻数据对各子时段的隶属度，从而构建过渡阶段的动态软过渡模型，并应用于过程监控。与硬过渡方法相比，软过渡建模监控能够大大提高故障诊断精度。　　 传统多元统计监控统计量存在许多假设，存在监控结果受人为选择参数影响，故障源回溯困难等缺点。为此本文提出了基于传统SPE、T2统计量解构的过程监控方法，在原始测量空间直接对原变量进行监控。该方法得出的统计量控制限无需概率分布的假设，并且由于是直接针对测量变量进行监控，能够清晰的反映出故障变量的变化，快速地找出故障来源。最后为了降低原始测量空间监控的工作量，将两种监控指标进行融合，得到一种新的监控指标，并从空间分析角度证明了所提监控指标的合理性。