工业过程中数据具有维度高和多中心等特征，针对多维尺度变换(multidimensional scaling, MDS)方法对高维数据进行维数约简时，新样本缺少映射矩阵无法进行低维嵌入的问题，提出了增量式多维尺度变换(incremental multidimensional scaling ，IMDS)方法；为了解决IMDS方法降维后数据仍然具有多中心、方差差异明显等问题，引入了双重局部近邻标准化(dual local nearest neighbor standardization ，DLNS）技术；并采用Hotelling T2统计量对过程进行监控，组成增量式多维尺度变换和双重局部近邻标准化的故障检测方法(IMDS-DLNS)。通过数值模拟过程和青霉素发酵过程，将IMDS-DLNS方法分别与PCA、KPCA、FD-KNN等方法作对比分析，实验结果表明，IMDS-DLNS对比其它方法有更高的故障检测率。IMDS-DLNS方法对多变量、多模态过程具有良好的故障检测能力，能够保障产品质量和生产的安全性。