针对工业过程故障诊断中数据的动态性、非高斯性和非线性特点，提出一种基于动态独立成分的单类支持向量机(OCSVM)方法。为了分析数据的动态特性和非高斯性，应用动态独立成分分析(DICA)方法提取数据变量中的动态独立成分作为特征信息，基于特征信息建立OCSVM模型并构造非线性监控统计量。检测到故障后，计算故障数据与故障模式数据决策超平面的相似度，通过相似度分析识别故障模式。在Tennessee Eastman基准过程上的仿真结果表明，提出的方法能够比单类支持向量机更有效地检测过程故障，并且能够正确识别故障模式
