非高斯过程的故障检测与诊断对工业生产的安全保障意义重大。近几年，石油化工、锅炉冶炼等企业的爆炸或泄露事故屡见不鲜。正是如此，复杂过程的故障检测与诊断的研究工作也随之大力开展。其中，非高斯过程的故障检测与诊断占有很大比重，因为大部分工业过程都是非线性、非高斯的。本文主要以三容水箱为例，在搜集相关文献综述的基础上，研究非高斯过程的故障检测与诊断方法。首先，建立非高斯过程的动态模型。三容水箱的建模采用Matlab中的Simulink工具，利用三容水箱的状态方程和约束条件，模块化的组建三容水箱动态过程。由于本文主要研究非高斯过程的故障检测与诊断，所以同时建立了故障模型。针对三容水箱单一故障，设置了水箱泄露、管道堵塞、电机故障、传感器故障四大类故障，并且对所采集数据进行了相应分析。针对怎样判断一个过程是否为非高斯过程，采用了一种基于Matlab函数的判别方法。其次，非高斯过程的故障检测方法研究。针对主成分分析和独立成分分析两种方法进行讨论，利用它们各自的I2、SPE和T2、SPE统计方法进行过程监控。一旦发生故障，就立即对故障数据进行诊断。这里，对ICA和PCA两种方法进行了对比。经过实验证明，ICA更适合于非高斯过程的故障检测。再次，非高斯过程的故障诊断方法研究。为了对比，本文首先对传统的神经网络方法进行了实验，包括BP神经网络、概率神经网络和自组织神经网络。在此基础上，提出了两种故障诊断改进新方法，分别是聚类PNN方法和增量自组织神经网络方法。它们能够提高故障诊断的有效性和快速性。最后，为了方便应用于实际过程，利用Visual Basic编程语言设计一个故障检测与诊断平台。其中，包含了数据采集、故障报警、数据保存等功能，验证了本文的故障检测与诊断方法可靠性。同时，设计了一套应用于工业过程的网络架构，使故障检测与诊断和过程控制联系到一起，能够实现远程故障监控，更有力的提高了安全性。