随着对自动化设备的安全性和可靠性以及有效性的要求的提高,故障诊断技术受到人们的重视,已成为国内外自动化控制界的热点研究方向之一。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,由于该方法不依赖于数学模型,计算所需的大量生产过程数据易于在工业现场获取,因而具有重要的理论价值和广泛的应用价值。本文在总结和概括基于多元统计分析的故障诊断方法发展状况的基础上,对基于偏最小二乘(PLS)和核偏最小二乘(KPLS)的故障诊断方法进行了系统和深入地的研究,并利用田纳西-伊斯曼过程进行仿真研究。论文的主要内容如下：研究了偏最小二乘(PLS)的基本原理,使用偏最小二乘方法进行故障诊断的建模；根据函数关于变量的一阶偏导数表示变量对函数的相关影响原理,提出了基于偏最小二乘的变量偏导贡献图的故障诊断方法,并做仿真研究,仿真结果证明该方法的可行性与有效性。在偏最小二乘故障诊断方法的基础上,进一步研究了核偏最小二乘(KPLS)的故障诊断方法。由于映射函数的未知性,在核偏最小二乘的故障诊断上存在相当大的困难,本文通过一种间接的方法求变量对核函数的偏导数,提出了一种基于核偏最小二乘的故障诊断方法--变量的偏导贡献图法。利用田纳西-伊斯曼过程数据进行仿真研究,仿真结果证明了核偏最小乘故障检测方法的实时性以及核偏最小二乘的故障诊断结果的准确性。同时,将核偏最小二乘的故障诊断方法与偏最小二乘的故障诊断方法作比较,说明核偏最小二乘的故障诊断方法在非线性领域的优势。综上所知,本文将核偏最小二乘应用到故障诊断中,提出了一种基于KPLS的故障识别方法-变量的偏导贡献图法,解决了非线性过程故障诊断方法难诊断的问题。