1、在工業(yè)制造過程中，快速檢測和識別異常事件的發(fā)生對于提高過程的安全性和減少不必要的生產(chǎn)損失有著至關重要的影響。計算機控制技術的快速提升使采集和存儲工業(yè)現(xiàn)場的海量數(shù)據(jù)成為可能，如何充分利用數(shù)據(jù)信息對生產(chǎn)過程實施監(jiān)控受到了極大的關注，基于數(shù)據(jù)驅(qū)動的多變量統(tǒng)計監(jiān)控更是當下的熱門研究之一。
　　故障檢測和診斷是過程監(jiān)控中非常關鍵的環(huán)節(jié)。本文采用了主元分析法來檢測故障，它是一種基于多變量統(tǒng)計的常用檢測方法。在檢測到故障后，有必要診斷出故障發(fā)生

2、的變量。常用的故障診斷方法有貢獻圖方法以及基于重構(gòu)的方法，但是二者存在著以下缺陷。首先，兩種方法本身存在著“污染”效應，即變量之間的相關性使得故障變量很容易對非故障變量產(chǎn)生影響，進而導致非故障變量的貢獻值增大甚至超過故障變量的貢獻值，引起不同程度的誤判。其次，當工業(yè)過程出現(xiàn)異常時，由于控制器的控制作用以及變量與變量間的相關性，故障會從故障源變量逐步“蔓延”到其他變量。針對以上兩個問題，本文基于最小貝葉斯準則提出了一種新的故障診斷技術。該

3、技術利用標準化的相對重構(gòu)貢獻值來代表特征屬性，引入貝塔分布來逼近類條件概率密度，在調(diào)節(jié)因子的基礎上采用最小風險貝葉斯決策對復雜的工業(yè)過程進行了故障檢測和診斷。該方法很大程度地減輕了故障發(fā)生后的“污染”效應，跟蹤了故障在變量間的傳播過程，診斷出故障根源變量，同時還可以處理微小故障以及多傳感器故障情況。
　　通過數(shù)值仿真、田納西伊斯曼過程以及青霉素發(fā)酵過程仿真平臺對本文方法進行了驗證，結(jié)果證明了本方法對于解決上述問題的有效性；同時通過