随着化工过程集成化与自动化程度的提高,变量之间的关系越来越复杂,一旦在生产过程中发生故障,导致变量之间的连锁效应,所造成的后果将比之前更为严重。而且,过程中的测量变量无法代表全过程,若存在未观测的变量发生故障,会出现故障发生后检测不到或者是严重滞后的结果,带来极为严重的安全隐患。所以,在化工生产过程中,如何对过程进行有效的监控,及时检测出发生的故障,确定故障发生的真正根原因,是保证化工过程的平稳运行与产品质量稳定的关键。本文提出了机理相关分析贝叶斯网络的方法进行化工过程的故障诊断。首先基于互信息特征工程对过程进行故障的检测与识别。构建与故障状况最相关的特征子集用以监控过程的变化状态,并且找出对故障状态贡献度最大的变量,构建核极限学习机网络识别故障类型。以漏诊率、误诊率以及故障识别准确率检验所提出方法的性能。然后构建机理相关贝叶斯网络进行化工过程故障诊断。对化工过程变量之间的内在机理进行相关分析,找寻变量之间存在的因果关系,结合相关系数进一步确定变量之间的相关关系从而得到贝叶斯网络的结构。用贝叶斯区间估计的方法学习网络的参数,结合之前得到的因果关系构建贝叶斯网络。在故障检测出后,采用贝叶斯网络进行故障传播路径的解释与根原因的诊断。对于不可观测的变量或者是断链式的故障传播路径,通过添加虚拟节点的方式补充观测节点。该方法可以有效地检测出故障,反映出变量之间的机理关系,确定故障的根原因,达到故障诊断的目的。将本文所提出的方法应用于TE过程与某工业合成氨案例中。结果表明,该方法可以在保证较小误诊率的情况下,有效地减少故障的漏诊率,当故障发生后,可以找寻故障的传播路径及根原因,从而实现故障诊断的目的。