随着现代科学技术的进步,工业生产流程变得更加复杂的同时,对生产的持续性、高效性和安全性提出了更高的要求,因此,如何有效对生产过程进行检测,及时地发现异常工况成为相关研究的热点问题。近年来,基于数据的方法由于其低成本、可实现性强等优点已经广泛应用于生产实践中。本文在前人工作的基础上,提出了基于多源异构数据流形嵌入的故障检测方法、基于数据流形结构的类别标签缺失的故障检测方法及基于数据流形结构的多个类别标签缺失的故障检测方法:（1）由于生产环境的限制,在某些生产过程中可测的物理化学变量个数较少,导致其包含的信息量不全面,无法准确地反应其生产状态。基于这个问题,本文提出基于多源异构数据流形嵌入的故障检测方法。在基于物理化学变量检测的基础上,加入视频数据进行协同建模,通过加入保持流形局部结构及数据的标签信息来保证提取出来的低维向量包含更加全面准确的状态信息。最终将该方法应用于电熔氧化镁生产过程的检测过程中,取得了不错的效果。（2）在实际工业过程中,标记数据样本获取困难的同时存在大量未标记数据。为了解决此问题,提出了基于数据流形结构的类别标签缺失的故障检测方法。此方法根据半监督思想,并利用不完整的标记数据的标签信息及未标记数据的流形结构信息对标签信息缺失的类别进行挖掘并对所有数据的类别进行检测。并应用氧化镁生产过程的数据进行仿真分析,验证了所提方法的可行性和有效性。（3）基于数据流形结构的类别标签缺失的故障检测方法无法在数据集中多类标签信息缺失的情况进行准确地检测,相应地,提出了基于数据流形结构的多个类别标签缺失的故障检测方法,此方法可以在多个类别标签信息缺失的情况下,准确地检测出数据集中包含的所有数据类型。并应用氧化镁生产过程的数据进行仿真分析,验证了所提方法的可行性和有效性。