间歇生产过程故障检测能够及时有效发现生产过程的非正常情况,保证生产安全,提高产品质量和降低生产成本。间歇过程统计性能监控不需要过程精确的解析模型,所获得理论成果和方法能够较快的应用于实际工业生产过程中。本文首先在深入研究间歇过程数据特征的基础上,针对由于生产初始条件的未知或不可测,甚至是初始条件的非人为改变,或者生产过程中的干扰及波动等影响,导致的不同批次数据之间呈现较大差异性问题,提出了多BDKPCA (Multi-Batch Dynamic Kernel PCA)故障检测方法,并将它应用于间歇过程的统计性能监控中。随着DPCA(Dynamic PCA)和KPCA(Kernel PCA)技术的发展,针对单批次数据建模变得可行。以间歇过程每个批次数据为工作对象,进行时间序列扩展和非线性映射,建立单批次模型,并将模型按方向相似性聚类得到便于在线应用的类模型。由于方法中引入了核函数,故障诊断变得困难,本文通过构造变量贡献图实现变量的故障诊断。由仿真结果可以看出,多BDKPCA模型较由所有批次数据统一建立的BDKPCA模型具有计算量更小灵敏度更高的优点,并可以实现对故障变量的简单分离。在对多BDKPCA故障检测方法研究基础之上,针对注塑设备投入使用后如果在生产过程中出现故障而企业的设备维护人员又无法解决这一棘手问题,以多BDKPCA为主要故障诊断方法,设计并开发远程故障诊断系统。在熟悉注塑工艺并进行需求分析之后,选择B/S模式作为远程故障诊断平台的基本架构,使用Visual Studio2005和SQL Server2000数据库作为平台的开发工具,进而进行平台功能开发和交互界面设计,实现诸如用户信息管理、设备信息管理、故障信息提交诊断反馈等基本功能。其中故障诊断部分为平台设计的重点,可分为智能诊断和专家诊断两利,模式。在智能诊断模式中,将多BDKPCA故障诊断方法应用到诊断系统中,并自动给出故障诊断结果。最后,在全文研究工作的基础上,提出了有待进一步研究的问题和今后研究工作的重点。