随着暖通空调系统(HVAC)在各种场合越来越广泛的应用,暖通空调系统得到了很大发展,空调系统中的控制系统也越来越复杂。不管是商用办公楼还是工业加工场所,甚至是民用住宅都对空调系统提出了更高的要求,要求空调系统的运行稳定、舒适和节能。在越来越复杂和庞大的HVAC系统中,往往会产生各种各样的故障,要快速及时地检测、鉴别出系统中出现的各种故障,已远非操作者力所能及,这就使得故障检测与诊断(Fault Detection and Diagnosis, FDD)系统越来越成为必要。基于多元统计过程控制的故障诊断方法,是故障诊断领域研究的一个重要分支。近年来,不同形式的主元分析方法,在各领域的故障诊断中得到了广泛的应用,且取得了很好的效果。本文首先采用主元分析法(PCA)对暖通空调系统传感器故障进行检测与诊断。主元分析法利用正常运行条件下的测量数据来建立系统的模型,从而避免了直接建立系统的解析模型。利用该方法建立系统的模型时,主元数的选取是一个关键问题。本文选用主元贡献率法来选取最优主成分数。针对传统主元分析法不能用来分析非线性系统,本文提出了综合利用核函数主元分析和神经网络预测器的非线性系统故障诊断方法；同时,为提高神经网络预测器的性能,本文采用将遗传算法应用到神经网络权值的选定中去,并取得很好效果。本文以MATLAB为仿真工具,以某建筑仿真空调系统为研究对象,应用上述方法分别设计了传感器故障诊断系统,通过大量仿真试验,证明了上述方法具有令人满意的故障诊断能力,对于完善空调系统传感器故障诊断方法具有特定意义。最后,对论文进行了总结和对未来空调系统故障诊断研究提出了建议。