状态监测与故障诊断技术包含“监测”和“诊断”两个步骤,对与现代工业上广泛存在的大惯性时滞时变系统进行故障诊断,由于难以监测得到系统的准确故障事件,因此也很难进行下一步的“诊断”。论文提出了一种新的系统设备状态监测方法,通过数据分组和趋势判断来监测系统的状态。论文中详细阐述了分组趋势推导算法以及应用该方法实现故障诊断的各个步骤。首先对采集得到的系统运行数据按照一定的规律进行数据分组；然后对每组数据进行特性分析,通过故障趋势判断及时发现故障的发生并发出故障信号；之后应用一定的故障诊断方法实现对故障的定位。本方法具有如下特点,首先由于系统数据的采样时间是固定的,因此可以从数据序号以及该组数据组序号得到故障发生的具体时间。其次,相对于直接对全体采样得到的数据进行系统建模然后进行故障检测的方法,数据先进行分组然后对各组数据进行趋势预测判断的故障报错的方法的准确率得到很大的提高。再者分组趋势推导算法每次只对一组数据进行分析和处理,硬件处理器的负荷也相对较低,使得降低硬件、软件成本成为了可能,具有较大的经济效益。另外针对不同的对象系统,分组趋势推导算法只需要修改相应的参数即可,使得该算法具有较高的实际应用价值。论文中将分组趋势算法与故障树分析方法相结合,针对具有大惯性时滞时变特点的反应釜操作系统进行了系统状态监测和故障诊断应用研究。在实验室的间歇式反应釜的故障诊断的应用实验获得了较为满意的实验结果,结果验证了所提出方法的适用性。