在流程工业中,故障诊断方法的研究极为重要,尤其对于现代工业生产,生产工艺越来越复杂,生产系统越来越智能化,对于生产过程故障诊断的研究与应用对于保障生产安全、提高企业的生产效率与经济效益有重要的作用。其中故障检测是故障诊断中的一个重要环节,对于故障检测方法的研究是故障诊断研究的重点。本文分析了核函数应用的现状及发展趋势,并对核主元分析方法(Kernel Principle Component Analysis, KPCA)与核独立元分析方法(Kernel Independent Component Analysis, KICA)的基本原理以及故障检测过程进行了分析研究。同时,对机器学习理论、统计学习理论与支持向量机理论进行了探讨,分析了常用核函数的特点及性质等。对浮式储油卸油生产系统(Floating Production Storage&Offloading, FPSO)典型生产流程进行了分析,选取油气水分离系统中18个重要的过程变量作为研究对象。通过对生产流程正常运行状态以及典型故障运行状态的仿真,获得了FPSO典型生产流程正常状态与故障状态下的数据,作为验证故障检测方法的数据样本。将KPCA方法与KICA方法在FPSO典型生产流程的故障检测中进行应用,首先建立正常工况下的数学模型,确定正常工况下的T2统计量与SPE统计量,然后对测试数据进行预处理与标准化,计算测试数据的T2统计量与SPE统计量,通过监视测试数据与正常数据的统计量的变化,来判断是否有故障发生。通过对PCA与KPCA故障检测方法以及ICA与KICA故障检测方法的检测效果与漏检率的对比分析,得出对于小样本、非线性的问题,核函数与多元统计相结合的方法在故障检测中能够快速准确的检测出故障,具有明显的优势。