序批式活性污泥法（Sequencing Batch Reactor Activated Sludge Process,SBR）处理工艺作为污水处理最广泛采用的技术,在污水净化方案中占据十分重要的地位。建立SBR过程故障诊断系统,能够及时检测故障的发生时刻和位置,提高SBR过程的稳定性和连续性。故障诊断系统对于提高生产效率、降低设备维护成本具有重要意义。本文以广州某造纸厂的SBR工艺过程为研究对象,采集过程历史数据作为数据驱动故障诊断的基础,依据该厂SBR的流程建立机理模型,作为基于模型故障诊断的基础。首先,本文基于时下流行的机器学习方法,基于历史数据训练支持向量机（SVM）,对SBR过程进行故障监测,又针对造纸污水处理过程正常和故障数据极为不平衡的特点,建立基于一类支持向量机（OCSVM）故障监测模型,分别以纸厂采集的故障数据和模拟的固定偏差、漂移偏差、完全失效、精度下降四类常见类型故障数据对模型进行测试,结果表明该方法能有效监测纸厂故障,以及固定偏差和完全失效两种类型的模拟故障。其次,基于PCA方法建立MPCA多元统计故障诊断模型,对纸厂采集故障以及固定偏差和漂移偏差两类模拟故障,MPCA能良好的监测并且误诊率较低,并且能完全准确地定位故障源。针对SBR过程具有典型间歇过程的多操作阶段特征,提出了划分子时段的多向主元分析方法sub-MPCA,分别采用相关关系和聚类方法划分子时段。相较来说,聚类分析划分子时段的效果更好,并确定了聚类分析最优的子时段划分数量。相较于MPCA方法,sub-MPCA对于固定偏差和漂移偏差两类模拟故障的监测,在保证检出率的同时,实现了零误诊。再次,本文基于公认的BSM1模型,根据造纸厂SBR过程实际运行情况,建立了SBR过程模型,用于模拟造纸厂SBR过程中溶解氧含量和SBR池的液位高度,通过计算模拟值与实际数据的绝对和相对误差,验证了SBR过程模型的精度。然后,构建了拓展卡尔曼滤波器EKF,生成滤波残差,并从滤波中提取故障指示信号,对比相应阈值,判断故障是否发生,可以同时实现故障的监测和定位。最后,基于前文研究内容,将OCSVM、MPCA、EKF模型整合,即采用OCSVM模型实现故障监测、MPCA模型实现故障定位以及EKF模型实现故障信号重构,搭建了集故障监测、故障定位、故障信号重构于一体的故障诊断集成框架。并且以四类模拟故障为测试数据,验证了故障监测性能、故障定位准确性和信号重构的精度。