本书针对流程工业非线性、过程动态、多模态、数据分布复杂等的特点，介绍了多元统计方法，尤其是PCA方法和神经网络方法在流程工业故障诊断中的应用；第1章介绍故障诊断的概念和常用方法。第2章详细介绍了主元分析法、Fisher判据分析、偏最小二乘法、独立变量分析等之间的区别和联系。第3~4章采用一种局部整体结构保持投影（LGSPP）算法，同时对数据进行标准化处理时引入局部近邻标准化策略，使传统主元分析方法在数据降维中可考虑数据全局结构的问题，并去除多模态数据的多分布特征；第5~7章针对非线性问题，采用核化算法，并对计算量问题和参数时变问题进行了研究。第8~10章介绍了神经网络在故障诊断中的应用，包括学习矢量量化神经网络、概率神经网络、神经网络集成等。第11章针对大数据问题与流程工业的数据建模问题之间的关系进行了探讨。