为确保生产和人身安全、提高经济效益,对生产过程进行在线监测已经成为过程控制领域一个重要研究方向。现代科技的迅速发展使得工业现场大量过程变量可以得到测量、处理和监控,通过对这些变量的数据分析可以得到大量的隐含信息。基于数据的故障诊断方法就是一种通过分析数据监控过程运行状况的方法,它由于不依赖数学模型而得到广泛研究和应用。本文在对传统主元分析方法的研究基础之上,提出了几种不同程度上的改进措施。本文的主要研究工作如下：第一：介绍了常用到的故障诊断方法,并分析了其应用领域和优缺点。对动态主元分析(Dynamic Principle Component Analysis,简称DPCA)的基本原理、算法做了详细介绍；并且以田纳西-伊斯曼工业过程(Tennessee-Eastman Process,简称TE)为研究背景,利用PCA和DPCA方法对TE过程的典型故障进行了仿真研究。第二：结合核函数和动态主元分析理论,提出一种基于动态核主元分析的故障诊断方法。该方法充分考虑到了实际系统的动态非线性特性,利用核函数具有处理非线性数据的能力,构造了一种动态非线性故障诊断方法,其诊断结果更加可靠。此外,针对此方法计算量大的不足,利用特征矢量提取对动态核主元分析方法做了改进,缩短了诊断时间。通过对TE过程的仿真实验说明该方法对于降低漏报率和误报率有明显效果。第三,将动态核主元分析与支持矢量机(Support Vector Machine,简称SVM)方法相结合,设计了新的故障诊断系统。该系统充分利用动态核主元分析的故障检测优势和支持向量机的良好分类功能,将两者结合起来对故障进行诊断。通过仿真表明了此诊断系统在故障诊断方面的良好性能。