目前，作为复杂过程研究的热点之一的基于数据的技术，得到迅速的发展，并在许多工业部门中得到广泛应用。以数据为基础的方法的核心是充分利用大量可用的过程数据，以获取内部有用信息为目的。与传统完善的基于模型的方法相比，基于数据的方法在不同的操作下为不同的工业模型提供了有效的替代方案。
　　在过去的二十年里，现代大规模系统经历巨大的挑战，并且在工业部门中有可能变得越来越复杂。随着自动化程度的显著提高，安装在现代工业过程中的传感器和执行器在系统运行过程中会产生大量的过程数据。因此，对要求获取过程先验知识或者物理模型的传统的基于模型的方法来讲，已经变的不切实际，特别针对复杂的大规模工业。现代工业的发展不仅提高了系统模型的复杂度，而且增加了传统解决方法的计算负担。由于大规模结构的系统复杂度越来越高，且产生大量的工业数据，使基于数据的新方法得到进一步发展。
　　利用基于数据的多元统计分析方法，对早期故障诊断技术进行了研究，揭示了数据技术的有效性。在对基于数据方法的进一步研究下，该方法在动态过程建模和过程检测等方面都起到重要作用。
　　近十年来，由于现代工业的迅速发展，数据量不断增加，大大加快了相关领域的进展和突破。现在，过程数据被应用于提高整个人类社会，特别是工业贡献。通信系统、先进数据采集、存储传输设备等一系列新技术应用的最新成果，推动了数据利用的实现。在此基础上，信息科学、电气电子学、生物学和经济学的研究将进一步受益于基于数据的技术，以便更有效地利用大量数据。以数据为基础的技术已被运用于卓越运营和预测分析，以为当代前瞻性业务创造进一步的竞争优势。
　　本文以多元统计分析中的PCA方法为理论基础，对PCA方法的一些重要方面进行了系统和深入的研究。主要研究内容和成果如下:
　　1)对故障诊断的发展现状进行了分析，包括相关方法、有关内容以及发展趋势等;介绍了常见的基于多元统计的故障诊断方法，本文主要研究主成分分析方法。
　　2)从大型工业系统中采集的样本数据通常含有噪声，如何去噪是本文的一个重要研究方法。本文选取小波去噪的方法，小波去噪方法具备一些特点，比如:多分辩率性质，小波去噪可以很好的刻画信号的非平稳特性，如边缘、尖峰、断点等，小波基的选择具有多样性，可灵活的选择不同的小波基，可根据信号特点和去噪要求选择合适的小波，实现更好的去噪效果。
　　3)原始数据间通常具有不确定的关系，如何判断原始数据是线性相关还是非线性相关，对选取合适的方法进行主元分析是至关重要的。因此，本文将结合多元统计回归方法，确定数据间的相关性，进一步确定所选取的方法。
　　4)对于核函数，不同的核函数具有不同的性质，如何将不同核函数的优点相结合，使其取长补短，本文进详细研究了核函数的构造的性质，使其达到更好的效果。