多向核独立成分分析(multiway　kernel　independent　component　analysis,　MKICA)在监测间歇过程非高斯性和非线性方面取得了广泛应用,其仅仅是将线性独立成分分析(independent　component　analysis,　ICA)方法利用核主成分分析(kernel　principal　component　analysis,　KPCA)白化扩展到非线性领域,但数据经KPCA白化后只考虑数据信息最大化未考虑数据簇结构信息的不足,为解决此问题,采用核熵成分分析(kernel　entropy　component　analysis,　KECA)代替　KPCA白化的过程监测方法.该方法首先利用　AT展开方法将过程三维数据变为二维数据;其次用　KECA　进行白化处理的同时解决数据的非线性;然后建立　ICA　监测模型用于非高斯生产过程监测;最后将该方法应用到青霉素发酵仿真和实际的工业过程并与MKICA方法进行对比,验证该方法的有效性.