1、工業(yè)過程系統(tǒng)具有非線性，復(fù)雜性，強耦合性。當(dāng)一個部件出現(xiàn)故障，就會引起整個系統(tǒng)的奔潰，甚至引發(fā)災(zāi)難性的后果。工業(yè)系統(tǒng)監(jiān)控與故障診斷技術(shù)能確保系統(tǒng)的安全可靠運行，所以顯得至關(guān)重要。而基于數(shù)據(jù)的多元故障診斷方法是故障診斷領(lǐng)域的一個重要分支。
　　本文主要基于多元統(tǒng)計學(xué)理論，以獨立主成分分析ICA和主成分分析PCA為主線，針對工業(yè)過程的數(shù)據(jù)不同特點，對工業(yè)過程故障診斷方法及其應(yīng)用展開研究，并將研究的方法應(yīng)用于田納西-伊斯曼(Tennes

2、see Eastman，TE)模型，針對檢測和診斷結(jié)果進行分析，具體研究的內(nèi)容如下:
　　(1)針對復(fù)雜工業(yè)過程故障數(shù)據(jù)復(fù)雜混合分布的問題，提出了魯棒ICA-PCA的故障診斷的新方法。由于實際數(shù)據(jù)不可避免的帶有大量干擾，為降低數(shù)據(jù)粗差的影響，首先采用小波去噪算法提高建模數(shù)據(jù)質(zhì)量，然后利用魯棒ICA-PCA算法提取過程的非高斯和高斯信息，并構(gòu)建了三個統(tǒng)計量進行故障的監(jiān)控。最后將檢測出的故障樣本通過LSSVM進行故障的識別。實驗結(jié)果可

3、知，相比于PCA方法、ICA-PCA方法，魯棒ICA-PCA方法在監(jiān)控過程中具有更好的魯棒性和靈敏性。而LSSVM方法能夠更加有效的檢測故障的發(fā)生。
　　(2)傳統(tǒng)的多元統(tǒng)計過程監(jiān)控方法一般都假設(shè)過程只運行在一個穩(wěn)定工況下,但很多實際工業(yè)過程往往具有多工況特征。針對這個問題，本文提出一種改進的貝葉斯方法處理多工況的情形。首先，對不同工況下的混合數(shù)據(jù)進行快速K均值聚類，實現(xiàn)不同工況的數(shù)據(jù)分類，然后分別在不同工況下建立魯棒 ICA-P

4、CA的監(jiān)控子模型，最后用改進的貝葉斯算法進行多工況情形的故障監(jiān)測。再次通過TE化工過程仿真平臺進行了算法驗證，實驗結(jié)果表明所提出的故障監(jiān)測模型的有效性和可行性。
　　(3) TE過程是對復(fù)雜化工生產(chǎn)的一個真實模擬仿真平臺。針對TE模型可視化效果不佳的問題，基于LabVIEW、MATLAB與MySQL開發(fā)了TE過程仿真系統(tǒng)。該仿真系統(tǒng)采用Labview設(shè)計搭建了復(fù)雜、友好的系統(tǒng)圖形界面，Simulink作為后臺引擎，運用MATLAB