化工过程在工业生产中发挥着关键的作用,可以说它涉及到了人们生活的方方面面。近些年来,化学工艺生产设备的规模越来越大,相应的化工工艺也越来越复杂。在生产过程中系统各装置间可能存在耦合性,如果生产过程中突然发生异常情况,可能会因为连锁反应进而造成大型事故。在这种情况下,确保化学过程的安全稳定地进行就显得尤为关键。通过故障诊断技术提高化工过程的安全性和可靠性是一种安全且高效的途径。所以,用多元统计法判断系统是否存在故障有着相当重要的意义。本文不仅介绍了Tennessee-Eastman化工过程并对该过程的在线故障检测进行了建模与分析,而且详细地介绍了多元统计方法以及故障检测方法;基于多元平方预测误差法和Hotelling~#统计方法;通过贡献图进行故障识别的故障检测的基本原理。通过对TE过程的仿真应用,详细分析了利用主元分析法以及支持向量数据描述法进行故障诊断时的优缺点。由于主元分析不能应用于非线性和非高斯分布的复杂工业过程中,故考虑建立一种把PCA和SVDD两种方法结合的故障检测技术。它的思想是通过主元分析方法分解原始数据,并获得得分矩阵的信息。然后,通过SVDD法获得得分矩阵,计算关于距离的统计量,和其统计限。最后,通过TE过程的数据及仿真图验证了该算法确实能够提高故障检测率,并具有可行性。最后,由于实际的工业过程产生的数据会受较大的噪声污染,本文提出了基于小波去噪与PCA-SVDD相结合的故障检测方法,TE过程的实时仿真验证了该改进算法具有可行性,并且达到了预期的效果。