锅炉的给水泵系统是汽水循环的心脏,是燃煤电厂等工业生产过程最重要的辅助系统之一,研究其故障检测及诊断,对保障发电机组安全稳定运行以及电网更合理、更精细化的负荷调度具有重要意义。在给水泵系统故障诊断方法中,基于信号分析的方法存在故障类型覆盖面窄的问题,而基于机理模型和知识的方法模型复杂度高,知识获取和利用困难。因此,本文研究数据驱动的给水泵系统故障检测及诊断的方法,并进行仿真验证。主要研究内容包括:1、建立了可以模拟多种故障的给水泵系统仿真模型,以解决故障检测和诊断研究过程中故障数据匮乏的问题。在正常数学模型的基础上,对系统中物理对象和传感器一些常见故障进行了故障建模。随后,利用SimulationX完成了仿真模型的搭建,并用某电厂给水泵系统实际运行数据对正常模型进行了精度校验,生成了正常和故障工况的仿真数据,为故障检测及诊断模型的构建和测试验证提供了数据源。2、提出了基于状态空间主元分析网络(SSPCANet)的给水泵系统故障检测方法。该方法将PCANet深度学习网络结构引入到故障诊断领域,与多元统计过程监控方法进行结合,充分利用了两者特征提取出色、全参数监控等优点。此外,在网络结构中增加了状态空间模型作为动态层以适应给水泵系统变工况的动态特性,并重新设计了输出层以适配故障检测的目标。最后,在TE过程和给水泵系统上进行了故障检测的仿真测试,并与其他故障检测方法进行了比较。3、将SSPCANet与最小二乘支持向量机(LSSVM)结合,利用SSPCANet从原始数据中提取特征,然后送入多分类的LSSVM模型进行故障类型的判断。为了简化LSSVM复杂的超参数的选择和调优工作,研究了用遗传算法和k折交叉验证搜索超参数的方法。最后,在给水泵系统上进行了故障诊断的仿真测试并与传统的LSSVM进行了比较。