本项目针对批次过程数据的不一致问题，研究过程数据的统计特性以及表征数据统计特性的统计指标，提出批次过程数据统计模量，并在此基础上进行统计分析与过程故障诊断。应用批次过程数据的均值、方差、斜度、峭度等统计量建立的数据矩阵具有轨迹同步化的数据特征，保证了数据特征的完整性与实效性。在统计模量驱动的基础上，研究了数据分布中心匹配以及在过程监视与故障诊断中的应用，结合K近临理论，数据的正常样本分布轨迹与训练样本的分布轨迹相似，而故障样本的轨迹将与之发生偏离，提出并研究了K近临故障诊断、主元K近临、高斯混合模型的马氏距离K近临、基于稀疏距离的故障检测、核密度估计K近临故障检测的理论与方法，实现了批次过程的数据分布中心匹配的模型建立、过程监视以及故障诊断。在此基础上提出并研究了扩散映射低维流形特征空间理论、支持向量数据描述的中心匹配故障诊断，进一步为数据分析、过程描述提供了参考。. 本项目的研究实现了批次过程数据模量驱动、数据分布统计指标的建立以及数据分布中心的统计特性的确定等，在此基础上在批次过程中进行了应用，提高了过程监视与故障诊断系统的可靠性与准确性。本项目可保证过程数据信息的完整性，研究内容将对提高批次过程的安全性具有重要意义。