高阶统计方法是一种被广泛应用的方法,本文主要研究应用解释结构模型(ISM)和高阶统计(HOS)相结合来诊断化工过程中导致控制回路故障的非线性因素的方法。故障的发生往往伴随这非线性的变化,本文从对回路非线性特征的诊断来判断故障的发生,而解释结构模型的应用是将复杂的控制系统进行了分解和分层,从而简化了并引导故障检测和诊断。本文所做的研究内容如下：①研究了传统的高阶统计分析方法,提出了动态HOS方法。其中分析双谱和双相干谱的推导算法,根据双相干谱,引出三个指标：非高斯指数(NGI)、非线性指数(NLI)和完全非线性指数(TNLI),用这三个指数来量化控制回路的非线性特征的强弱程度。同时还运用了移动窗改进了传统HOS方法,使之能实时动态的检测非线性特征;②本文还研究了基于偏相关系数的有向图和基于先验知识有向图的构建方法,将两种方法引入到解释结构模型(ISM)构建中,从而改进了传统的解释结构模型构建思路,使之适用于具体的工业过程,描述过程中变量的因果因素；③将ISM和HOS方法相结合,提出了ISM-HOS诊断方法,并以TE过程为对象,进行故障过程中非线性的诊断,从而判断故障过程的故障发生的位置和时间点。本文所提出的ISM-HOS诊断方法用于TE过程的不同类型的故障进行非线性信号动态检测,达到不错的效果。