随着现代工业的不断发展,工业过程变得越来越复杂,故障一旦发生便会带来巨大的财产损失甚至安全危害,能及时地发现工业过程中的异常故障情况就变得越来越重要,这就对工业过程的故障检测提出了更高的要求。针对当前电熔氧化镁炉的工业过程中的非线性、故障易发以及自动化控制程度较低的特性,本文将图像数据和电流数据进行协同建模,分别从特征选择、半监督学习方法和防止半监督退化三个方面对电熔氧化镁炉工业过程中采集到的数据进行故障检测实验仿真。针对以上的问题本文主要做了以下研究:提出一种基于特征重构的异构数据协同建模的故障检测方法,通过建立电熔氧化镁炉的工业过程中的电流数据和图像数据构成的异构数据,采用协同建模的方法,使电流和图像数据同时发挥出作用;再采用基于特征重构的方式,对数据进行特征选择;并在特征选择前后保持数据的流形结构不变;最后用支持向量机对特征选择后的数据进行故障检测。通过对原始数据进行特征选择,实现降低数据维数的目的,进而可以减少计算量,提高故障检测的灵敏度,有利于实现实时的故障检测。在上一部分方法的基础上进行改进,引入半监督方法,降低数据标记的成本。提出一种基于特征重构的半监督异构数据协同建模的故障检测方法,用特征重构的方式进行特征选择,并在特征选择前后保持标记数据的标记和流形结构以及电流数据的流形结构不变,最后还对一范数和二范数的正则项进行讨论。为了防止半监督方法出现退化的现象,提高故障检测准确率,将安全的半监督支持向量机、图方法和基于分歧的方法进行结合,对现有的半监督方法进行改进。提出基于分歧的安全图半监督支持向量机工业过程故障检测方法,有效地提高故障检测的准确率,降低半监督退化的可能性。最后将本文中提出的算法用于电熔氧化镁炉的工业过程中进行仿真分析,分别对算法的故障检测效果及检测的实时性进行分析,与一些传统的方法进行比较验证了本文所提方法的可靠性。