随着工业技术的发展，工业过程变得越来越庞大和复杂，传统的方法很难提取出能够代表整个过程状况以及故障对质量指标影响的特征。因此，提出了一种新的多块解耦卷积神经网络算法。首先，选择关键过程变量，将过程变量分组为多个块进行后续监测。然后，在每个块中，所提出的DCN构建关键过程变量和质量指标之间的回归模型，其中回归模型利用改进的卷积神经网络作为特征提取器，解耦层作为特征正则化器。然后，基于贝叶斯理论，将每个区块的监测结果集成到全局监测指标中。在故障检测之后，提出了变量遗忘贡献图来定位故障变量。最后，通过两个工业实例验证了多块DCN的有效性。
