(2)基于知识的方法：当很难建立被控对象的定量数学模型时，却能得到其定性数学模型时，可采用基于知识的方法。基于知识的方法已经在欧美各国工业应用中得到了发展与改善。然而，面对复杂的工业过程，基于知识的方法由于存在着专家经验获取困难、难以处理非线性等问题，也制约着它的进一步普遍应用。
(3)基于信号处理的方法：当很难建立被控对象的解析模型，但可以得到被控过程的输入输出信号时，可采用基于信号处理的方法。利用信号模型，直接分析可测信号，提取方差、均值、频谱等特征值。其中小波变换的方法是近年来发展起来的～种很有前途的方法。利用小波变换可以进行信号的随机消噪，即小波变换可以作为一种信号预处理方法用于故障特征的提取和信号消噪。适当的选取小波尺度，在这些尺度的小波基上对信号进行重构，去掉高频、工频噪声频段内的小波尺度，可以保证重构的信号只包含系统运行信息及故障信息。
(4)基于数据驱动的方法：当很难建立被控对象的解析模型，但可以得到被控过程的过程数据和质量数据时，可采用基于数据驱动的方法。随着自动化、计算机网络及数据库技术的发展，工厂可以直接从生产过程获得大量的实时运行数据。但是要从观测数据中实现对过程运行情况的评估，己超出了工程师或操作员的能力范围。数据驱动技术的优势就在于能够将过程数据和质量数据从高文数据空间投影到低文特征空间，提取特征空间信息，摒除冗余信息，大大减轻了工作量，因此基于数据驱动的方法是一种比较实用的过程监控方法。在分析工业过程数据时，除了考虑数据质量、数据大小、数据的共线性问题，还需要克服数据的时变性、数据的多尺度性、数据的非线性、数据的动态特征等难题蹭，。
如上所述，每种方法都有各自的适用环境和优缺点，实际应用的过程监控方案通常是把多种统计量和方法结合起来，共同应用到故障检测与诊断中。 基于核偏最小二乘的非线性过程故障检测方法研究(3):http://www.youerw.com/zidonghua/lunwen_14173.html