生产安全与产品质量一直是过程工业的两大重要主题。故障诊断技术自70年代发展以来,一直是过程监控领域的一个重要分支。在故障诊断理论的各种方法中,较有发展前途的是基于数据的多变量统计分析方法,这是由过程工业本身难以建立精确模型、强耦合的多变量关系等特点决定的。偏最小二乘(PLS,Partial Least Squares)分析方法是一种利用统计原理提取过程数据的有用信息建立过程模型的降维技术。本文从偏最小二乘的算法原理出发,系统深入地探讨了利用PLS、判别式PLS结合多变量统计图和统计量贡献图对多变量生产过程进行故障检测与诊断的整个思路与应用情况。为了提高高噪声情况下的故障检出率,本文提出了小波偏最小二乘(Wavelet PLS,WPLS)的故障诊断方法,并通过数值仿真实例验证了该方法在故障检测与诊断方面的有效性,最后针对TE过程进行仿真实验研究。仿真实验与对比仿真实验研究表明,与PLS方法相比,判别式PLS对TE过程故障的平均检出率提高了11%左右,而WPLS方法提高了34%左右;而且,与判别式PLS相比,WPLS方法具备对未知故障的检测能力。本文提出的WPLS故障诊断方法在降低误报和漏报方面也有了很大改进,同时在检测对过程影响较小的故障方面收效显著,提高了故障检测与诊断的准确性。因此,WPLS故障诊断方法是一种更为有效的过程监控手段。