智能建筑暖通空调控制系统的故障检测与诊断对减少系统的能耗、维持舒适的室内环境、提高设备维护效率和降低物业管理费用都是非常重要的。然而，对于日益复杂的空调系统，快速、及时地检测系统中出现的各种故障，已远非操作者人力所能及。因此，自动故障检测与诊断尤为必要。 本文以上海期货大厦和上海中国保险大厦为平台，研究了传感器故障检测与诊断的主元分析方法、变风量终端风阀故障检测的系统辨识方法及冷水机组故障检测与诊断的神经网络方法。 主元分析方法(PCA)是一种多元统计方法，它利用系统在正常运行条件下的测量数据、提取系统变量之间的相关性，建立主元模型，即将数据空间划分为主元子空间(PCS)和残差子空间(RS)。通过计算测量数据在残差子空间的投影，并与所设定的故障限(SPE)比较，判断是否有传感器发生故障；发生故障后通过计算各传感器的有效指数(SVI)来识别发生故障的传感器。在发生小故障时，通常所定义的传感器有效指数尚不能有效地识别出发生故障的传感器，笔者对此做了改进，定义了新的SVI指数；并在对传感器各类故障分析的基础上，提出了传感器故障类型识别的方法。仿真结果说明主元分析方法具有良好的故障检测与诊断能力。 本文在系统辨识理论的基础上，建立了变风量终端风阀开度与风量的解析模型，并根据建模残差的一、二阶统计特性定义了故障限。进行了风阀故障的仿真，分析了此类方法的故障检测精度。 本文依据专家分析依据冷水机组故障症状及其原因的经验知识，提出一个二级拓扑结构的神经网络故障诊断模型，用以实现从故障原因集到故障症状集的映射，讨论了故障发生后推理故障原因的方法。