为了保证化工产品的质量和生产过程的安全,需要对整个生产过程进行有效地监控,以便当生产过程处于异常状态时,操作人员能及时地发现并处理。因此,在故障发生的早期能及时预警并分析故障原因的过程故障诊断技术受到了越来越多的研究人员和机构的重视。在故障诊断技术中,多元统计分析方法由于模型简单、诊断迅速、适用性广等特点成为了热门的研究方向。PCA方法作为一种传统的多元统计分析方法,曾被广泛地应用于过程故障诊断中,但由于PCA方法仅能提取数据中的线性特征,导致该方法在处理复杂非线性工业数据时,存在很大的局限性。近年来,(1.(6(6(6提出了一种新的非线性特征提取方法:主多项式分析(Principal Polynomial Analysis,PPA)算法,研究表明该算法不仅能提取数据的非线性特征还具有模型简单、计算速度快等特点,并在图像处理领域中取得较好的特征提取效果。为此,本论文首次将PPA算法作为特征提取方法应用于多元统计分析框架中,同时采用贡献图法和贝叶斯统计推断方法对故障变量和故障类型进行相应的识别,最后基于TE仿真化工过程,对PPA方法的故障诊断效果进行测试,并与传统的PCA方法的效果进行对比,结果表明PPA方法有更好的故障诊断效果。另外,由于化工过程数据具有动态和复杂分布的特性,为了进一步提高PPA方法在过程故障诊断中的应用效果,本论文分别针对这两种数据特征对PPA方法进行如下改进:(1)在PPA方法的基础上分别采用AR模型和移动窗策略这两种方式考虑数据样本间的动态特性,并构建出相应的两种基于动态PPA的过程故障诊断方法,即基于DPPA的过程故障诊断方法和基于MW-PPA的过程故障诊断法;(2)针对化工数据变量不完全服从高斯分布的特点,本论文采用分步诊断的策略提出了基于ICA-PPA的故障检测方法。在上述改进后的方法中,均采用贡献图法和贝叶斯统计推断法分别对故障变量和故障类型进行相应的识别。同时,基于TE仿真化工过程对比PPA方法与改进后PPA方法的应用效果,结果表明改进后的PPA方法在故障检测和故障识别方面有更好地表现。最后,本文为了进一步验证PPA方法和改进后的PPA方法在实际化工过程故障诊断中的应用效果,以乙醇-水精馏实验装置为研究对象,应用上述方法进行故障诊断测试。测试结果表明,本论文提出的基于PPA方法和及其改进的方法在实际化工过程故障诊断中有较好的应用效果。