本文以小波分析和主元分析法(PCA)的基本理论为基础,将主元分析法去线性变量相关性的能力以及小波变换提取变量局部特征和近似分解变量自相关性的能力结合起来,引入了一种新的多元统计过程监测工具-多尺度主元分析(MSPCA),在此基础之上,将主元子空间差别引入作为统计检测指标,提出改进型MSPCA方法并将其应用于FPSO典型生产流程-油气水分离系统。针对传统PCA方法的局限性,应用MSPCA及改进型MSPCA故障诊断方法对FPSO进行故障检测与诊断研究。选取FPSO油气水分离系统的18个过程监控变量作为研究对象,通过对生产过程的正常运行状态下的历史数据建立多尺度离线主元模型,利用多尺度离线主元模型对仿真实时数据进行在线检测,采用Hotelling统计量和SPE统计量判断在各尺度上是否有显著事件发生;利用含有显著事件发生的尺度上的小波系数重构原始数据,并利用重构后的数据建立单尺度模型,应用Hotelling统计量和SPE统计量判断系统是否发生故障。研究结果表明:对于较为明显的系统故障,MSPCA和PCA方法都能准确地检测出系统故障;然而对于系统的细小扰动,MSPCA方法明显优于PCA方法。对于改进型MSPCA方法,由于将主元子空间差别作为多尺度在线检测和故障检测的统计指标,降低了随机误差对测量数据的影响,提高了过程性能监视和故障诊断的准确性,然而该方法计算量较大,必须采取合理的监控频率。以MSPCA为故障诊断算法,以Microsoft Visual Basic和Matlab为开发平台,以FOXBORO I/A、AIM*OPC Server为数据传输平台,采用FPSO仿真培训系统作为数据环境,建立基于MSPCA的FPSO典型生产流程的故障诊断系统,完成对油气水分离系统的故障检测与诊断。