过程监控是保证系统可靠性和安全性的重要研究课题。随着工业系统日益复杂化和智能化,部分系统的数学模型和先验知识难以获取,基于解析模型和基于知识的方法难以在此类系统中有效地推广和应用。值得关注的是,这些工业系统往往能产生海量隐含系统信息的历史和实时数据。如何挖掘这些数据的有效信息对系统进行监控成为学者广泛关注的重点,这也是基于数据驱动的过程监控方法研究内容。然而,目前大部分算法研究都是针对线性系统,实际系统是复杂的非线性过程。基于此,针对非线性静态系统,本文将改进的主成分分析算法拓展到非线性系统,为问题的解决提供新的思路和研究方法。首先,本文通过对众多主成分分析方法进行对比分析,从中选择最有效的过程监控算法,并利用田纳西-伊斯曼过程的数据进行仿真验证,为后续算法提出提供必要条件。然后,本文探讨改进的主成分分析方法在非线性系统的应用问题。将改进的主成分分析算法应用到局部加权投影回归算法生成的局部线性模型,对局部模型的统计量进行加权平均得到全局统计量,并根据变量分布情况提出两种阈值计算方法。同时,将提出的算法与其他非线性算法对比,说明提出算法在计算复杂度、学习速度、鲁棒性等方面优越性。非线性的数值算例仿真结果证明提出算法的有效性。最后,本文介绍汽车悬架系统采用基于数据驱动方法的必要性,并将提出算法应用到悬架系统,实验结果证明本文所提方法的先进性。