工业中的在线过程监控无论对生产的安全性还是在产品质量的提高方面都是至关重要的。目前已经存在的几种基于多元统计分析的过程监控方法,如主元分析(PCA)、核主元分析(KPCA)等方法,它们在线性系统或静态系统中的监控效果良好,但由于这些方法难以捕捉变量间和批次间的动态相关性,因而对于具有非线性动态特性过程的故障检测效果不好。本文介绍了几种目前常见的过程监控方法,并结合了前人积累的经验,提出了二：维动态核Hebbian算法(2D-DKHA)的多元统计过程故障检测方法。首先阐述了基于二维动态核主元分析(2D-DKPCA)的非线性过程故障检测方案,其基本思想就是利用KPCA描述批次内与批次问的动态特性。然而,2D-DKPCA需要存储整个核矩阵并且要计算所有非线性成分。当连续批次和采样点数目很大时,核矩阵将因此变得极其巨大,直接存储和求解特征值问题在计算上是行不通的。于是把核Hebbian算法(KHA)引入到了2D-DKPCA中来构建2D-DKHA。KHA不需要存储和操纵整个核矩阵就能提取非·线性主成分并且只需计算主成分。于是提出的2D-DKHA方法更有能力监测复杂的非线性动态过程。本文把提出的2D-DKHA方法应用到了青霉素过程和采煤机的故障检测仿真中。仿真结果表明2D-DKHA能检测到复杂非线性过程的故障。