针对化工过程数据复杂、非线性的特点，提出一种基于核熵成分分析（KECA）的化工过程故障监测算法。首先，KECA算法按照Renyi熵值的大小选取特征值及特征向量，相比传统的KPCA监测算法，其保留主元个数更少，可以有效减少运算量。同时，仿真研究表明KECA算法选取的主元具有角度结构特性，据此，提出一种新的统计量——CS（Cauchy-Schwarz）统计量，其对应到核特征空间中即为向量间的角度余弦值，可以较好表述不同概率密度分布之间的相似度。最后，将KECA和KPCA算法分别应用于TE（Tennessee　Eastman）过程，结果表明KECA在故障检测延迟与检出率相比KPCA都有很大的优势。