当今,现代工业过程系统由于其强耦合性,当一个部件出现了故障,会引起链式反应,甚至导致灾难性事故。所以,保证系统的安全性和可靠性至关重要,而故障诊断技术为其提供了一条重要的途径。基于信号处理的多元统计分析故障诊断方法是故障诊断领域的一个重要分支。本论文以多元统计分析为理论基础,研究了主元分析方法(Principal Component Analysis, PC A)及其在非线性方面的改进、重构方法,提出了一种改进的重构方法,并将这些方法用于TE过程和四容水箱过程系统进行故障仿真。论文的主要研究内容如下：(1)阐述了基于主元分析的故障诊断方法的基本理论,在此基础上,综合SPE统计量和Hotelling T2统计量,本文给出了一种综合统计量。通过将小波去噪引入主元分析中,提出了一种改进的PCA方法,从而提高故障的检出率。(2)传统的主元分析方法不能对非线性过程系统实现有效的故障诊断,因此,针对非线性系统,研究了核主元分析法(Kernel Principal Component Analysis, KPCA).并以核函数的偏导数为基础,研究了一种基于贡献图的KPCA故障辨识方法。通过仿真结果对比,验证了KPCA方法的有效性及优势。(3)研究了基于SPE统计量的故障辨识方法和基于Hotelling T2统计量的故障辨识方法。并利用两个子空间的故障可分离幅值构造的一种相对故障分离能力指标,实现对这两种故障辨识方法的故障分离能力的比较。综合前面两种方法,研究了一种基于综合重构的故障辨识方法,并定义了一种基于综合重构的故障辨识指标,从而提高故障辨识的准确率。同时,提出了一种奇异值分解方法,以提取两个子空间的故障特征。在此基础上,提出了一种基于小波去噪与故障重构的故障辨识方法,并定义了两种相对故障分离能力指标,以实现滤波前后故障分离能力的比较。通过比较TE过程的故障辨识仿真结果,验证了将小波去噪引入重构方法中的有效性及实用性。(4)利用MATLAB/Simulink构建了一个四容水箱过程系统的仿真模型,并采集了正常过程数据及故障数据,使用本文的理论方法对其进行故障诊断仿真,从而验证了方法的有效性。