随着单元机组自动化水平的不断提高,其热控系统的规模也在不断扩大,复杂程度日益提高。随之而来的问题就是故障点数目的增加和隐蔽性的增强。现有的热控系统故障检测与诊断方法已经不能满足生产现场的需要,因此有必要对适用于热控系统的先进故障检测与诊断技术展开研究。考虑到热控系统本身所具有的特点,本文利用基于数据驱动的多元统计分析法对其进行研究。非负矩阵分解作为一种新兴的多元统计分析技术,在实现数据维数约减时具有正向纯加性的特点,其分解结果可以理解为对过程数据基于部分的描述,在某种程度上非负矩阵分解抓住了智能数据描述的本质,因此非负矩阵分解有着比传统多元统计分析方法更优秀的数据描述能力。目前,非负矩阵分解思想在故障检测与诊断领域内的应用还处于起步阶段。本文以广义投影非负矩阵分解算法为核心算法,以基于广义投影非负矩阵分解的故障检测与诊断模型为基础,围绕热控系统中所存在的几个问题对广义投影非负矩阵分解模型进行扩展研究。概括起来本文的研究工作主要包括以下几个方面:(1)通过借鉴投影非负矩阵分解算法嵌入线性投影的思想,提出了一种新的非负矩阵分解改进算法——广义投影非负矩阵分解算法,新方法在对迭代规则的推导过程进行改进的同时也放宽了对原始数据矩阵的非负约束。广义投影非负矩阵分解算法所得到的系数矩阵拥有更好的正交性和稀疏性。此外,广义投影非负矩阵分解算法的收敛性在理论上也是可证的。(2)基于广义投影非负矩阵分解算法构建适用于热控系统的故障检测与诊断模型,并设计适用于广义投影非负矩阵分解算法的监控统计量TG2和SPEG,它们的控制限将由核密度估计法来确定。为了在检测到系统故障后成功的将引起故障的过程变量进行分离,本文还设计了基于TG2和SPEG的贡献图法。(3)针对现代工业过程中时常出现的数据丢失现象,对基于广义投影非负矩阵分解算法的监控模型的鲁棒性进行研究。考虑到该模型在测试集不完整时鲁棒性较差的情况,本文提出利用二阶马尔科夫链模型与基于广义投影非负矩阵分解算法的监控模型相结合的方式来处理测试集不完整情况下系统的故障检测问题。试验表明在测试集数据缺失率达到30%时该方法的故障检测准确率仍然超过了 90%。(4)针对广义投影非负矩阵分解算法数据分类能力的不足,本文尝试在广义投影非负矩阵分解算法的求解过程中引入Fisher判别分析的最优分类思想,提出一种有监督的学习方法——Fisher广义投影非负矩阵分解算法。进而将系统的故障检测与诊断问题转化成多类数据分类的问题。试验结果表明Fisher广义投影非负矩阵分解算法可以很好的处理系统中所出现的多故障问题。