随着我国科技的进步以及“中国制造2025”的不断推进,现代工业系统的规模也日趋增大,自动化程度也越来越高。相应地,人们对工业系统运行过程中的安全性和生产质量的要求也越来越高,这也使得故障诊断技术受到越来越多的关注。与此同时,近些年来数据存储技术得到了快速的发展,在工业系统中越来越多的过程数据能够被保存下来,这也使得数据驱动的故障诊断技术被越来越多地应用到工业系统中,并取得了较好的应用效果。此外,随着工业系统健康管理和维护等相关需求的不断攀升,故障分类技术作为故障诊断技术的一个重要分支,在系统健康管理与维护的过程有着重要的作用,也受到了很多关注,并且具有很大的研究价值与意义。本文主要研究内容是基于稳定裕度的故障诊断及分类技术的研究和应用。首先,本文将稳定裕度作为一个指标来量化系统稳定性,且给出了基于模型的稳定裕度的定义,并找到了稳定裕度与系统稳定核描述(SKR)和象描述(SIR)之间的关系,给出了稳定裕度的另一种描述形式。其次,由于现代工业系统的复杂度越来越高,很难用一个精确的数学模型去对整个系统及其稳定裕度进行描述。因此,本文将研究重点放在数据驱动的稳定裕度的研究之中。数据驱动稳定裕度的实现在一定程度上可以转化为求解控制器的数据驱动SKR和被控对象的数据驱动SIR。本文给出了在控制器信息已知和未知情况下的SKR估计方法以及数据驱动SIR的最小二乘实现。此外,实时稳定裕度的实现也被转化为实时数据驱动SIR的实现,SIR的实时估计则通过改进的递推最小二乘法来实现。最终实现了系统稳定裕度的实时估计。再者,针对工业系统的实时故障分类的需求,本文设计了基于稳定裕度的实时分类器,将实时估计的稳定裕度作为故障分类的一个重要指标。除此之外还引入一段时间内的系统输入输出数据去辅助稳定裕度进行故障分类。而在分类器的设计过程中,通过比较多种神经网络多分类器的分类效果,最终采用了LM-BP神经网络多分类器来实现多种故障的分类。最后,利用双闭环直流电机调速系统来实现以上研究内容的应用及验证。验证结果显示,本文提出的稳定裕度的数据驱动估计方法具有较高的估计精度;并且在对电机系统的五种故障进行分类时,所设计分类器具有较好的分类效果。