机械故障诊断就是监测生产过程进行故障检测与诊断，并对故障的原因、故障频率、故障的危害程度及趋势预测等内容进行分析判断，为确诊故障点、及早采取维修、防护等补救措施提供科学的决策依据。基于多元统计分析的故障诊断方法是故障诊断领域的一个重要研究分支，本论文以多元统计分析为理论基础，系统和深入地研究了这一方法的几个关键算法，探讨了现有方法在生产过程中的实际应用及其存在的问题，并提出相应的解决方案，主要研究内容如下： (1)阐述了故障诊断和统计过程控制的研究现状及发展趋势，介绍了基于多元统计分析的故障诊断方法的主要数学工具，包括主元分析(PCA)、主元回归(PCR)和部分最小二乘(PLS)，简单分析了它们在故障诊断中的应用特点，为应用打下理论基础。 (2)概述和总结了基于主元分析的生产过程故障检测与诊断系统设计思想，分析了主要统计量、控制图以及数据基本分析处理方法，并以两个计算实例，阐述了基于主元分析的故障诊断模型的建立过程及其诊断结果分析。 (3)针对传统主元分析方法中存在的不足，研究了核函数主元分析方法，能够有效地对非线性相关的高维数据进行降维和特征提取，给出了轴承故障模式分类的仿真实验结果，并和传统的主元分析方法做了比照，验证了方法的有效性。 (4)分析了多向主元分析在间歇生产过程故障监测与诊断中的基本方法及原始的监控方法存在着一定的局限性，针对这些特点，本文提出了一种基于实时间歇过程的监控方法，使用一种连续更新的MPCA模型，消除一些由固定间歇过程的MPCA模型监测工况时所产生的错误报警，提高模型的可靠性。 最后，对全文作了总结回顾，归纳了本文解决的问题，指出了基于多元统计过程控制的故障诊断技术的今后值得关注和深入研究的方向。