本申请涉及一种基于字典学习的多工况工业监测方法，包括：获取含有纯净值、测量噪声和异常值的无标签历史数据；构建基于所述无标签历史数据的无监督字典学习模型；根据所述无监督字典学习模型，求解字典、稀疏编码矩阵和异常值矩阵；根据生产工况信息将所述字典划分为多个子字典；获取测试数据，通过所述子字典判断所述测试数据是否为故障点。所述方法能够抑制所述测量噪声、减少所述异常值影响，从而有效的防止工业监测中对故障的误报。因此提高了对故障监测的准确性，保证了监测方法对数据中异常值和噪声的鲁棒性。