故障诊断在保证现代工业系统的持续运行和稳定安全等方面发挥了不可替代的作用,主要有基于模型驱动和基于数据驱动的方法。基于模型驱动故障诊断方法主要以研究加性故障为主,缺乏对乘性故障的研究,乘性故障会导致系统的整体特性发生变化,这方面的研究有待于进一步加强。基于数据驱动方法主要依赖于对系统数据或者先验信息的预处理,现有以欧式度量为主导的预处理方法,常出现故障特征提取的不准确,而造成故障诊断效果不佳的问题。此外,针对模型诊断方法与数据驱动诊断方法的等效性,还缺乏一致性的分析与度量。为此,本文针对上述存在的典型问题,分别进行研究,其主要工作如下:1)提出一种基于数据变化率的故障诊断方法。针对因数据变化率超界而引起的系统异常现象,首先构造出以样本均值为基准,来描述数据变化率的预处理方法;其次,将预处理后的样本数据与传统的故障诊断方法相结合,建立相应的故障诊断方法;最后,用数值仿真和实际案例的对比实验,验证新方法的有效性。2)提出一种新度量模式下模型乘性故障的诊断方法。首先,基于K-Gap和L2-Gap度量建立模型间距离的度量范式;然后,对开环和闭环控制系统出现的乘性故障,建立以互质分解为基础的模型漂移与可检测性分析机制,用于系统故障检测;其次,建立不同故障下系统核空间可分离性度量,用于系统故障分类;最后,用数值仿真例子来验证所建诊断方法在故障隔离与故障分类上的有效性。3)提出一种数据驱动的故障检测与预测控制方法。首先,建立连接系统模型和输入输出数据之间的Hankel矩阵;其次,在新度量模式下建立基于Hankel矩阵的系统核空间表示和像空间表示;然后,建立输入输出数据的变化与系统模型的变化之间一致性分析与度量方法;最后,通过故障检测和系统预测控制在实例中仿真应用验证了新方法的有效性。