故障诊断就是对监视控制系统进行故障检测与诊断,并对故障的原因、故障频率、故障的危害程度及趋势预测等内容进行分析判断,为确诊故障点、及早采取维修、防护等补救措施提供科学的决策依据。随着科学技术进步,工业生产装置的结构越来越复杂,逐渐从单变量系统发展到以多变量系统为主,通常具有非线性、时变性、强耦合性及结构和参数的不确定性,传统的故障诊断方法已无法满足要求。这类系统和设备一旦发生故障,排除的时间增长,不仅造成巨大的经济损失,甚至造成人员伤亡和环境污染。多元统计分析起源于数理统计理论,目前是基于数据驱动故障诊断方法中一个重要的研究分支。本文以多元统计分析理论为基础,研究了其在两类典型生产过程(连续生产和间歇生产过程)故障诊断中的应用问题。主要研究内容及成果如下:1.阐述了目前故障诊断领域各种典型方法的研究现状及发展趋势,对基于统计分析理论的故障诊断方法的发展和现状进行了较完整的综述;2.介绍了基于统计分析故障诊断方法的主要数学工具,包括主元分析(PCA)、主元回归(PCR)和部分最小二乘法(PLS),分析了它们在故障诊断中的应用特点;3.针对主元分析在故障诊断过程中普遍采用的统计模型SPE统计量的局限性,提出利用子空间概念,通过T2统计量来研究超限问题的故障检测与重构。4.针对递推偏最小二乘(RPLS)方法对间歇生产过程故障监控的不足,提出了一种改进的跟踪递推最小二乘(TRPLS)算法。5.针对主元分析监测方法中测量数据相互独立且服从正态分布的假定与实际生产过程的数据不符合的问题,提出一种非线性核函数PCA模型,可有效提取过程的非线性变量,计算简便,可调参数少,诊断过程中可对数据的分布不作任何假定。