随着科学技术的不断发展,工业生产过程变得越来越复杂。如果生产过程中设备发生的故障不能及时被发现的话,那么会导致整个系统处于异常状态,进而导致系统的停运或者生产事故的发生。因此,保证工业过程的安全和可靠是一个非常重要的问题。工业生产过程的监控和故障诊断技术可以帮助我们及时地发现和诊断故障,并采取相应的补救措施从而可以避免灾难事故的发生。本文主要围绕传感器微小故障的诊断问题,以及如何选取合适的主元个数来建立主元模型的问题进行讨论。其中,基于主元分析和贡献图方法的基本理论知识,在以下方面进行了相关研究：1.传统的基于统计指标进行故障检测的方法对传感器微小故障经常是失效的,而重构贡献图虽然能够保证对幅值足够大的单传感器故障进行正确的故障辨识,但是遇到微小传感器故障时还是会发生故障误辨识的情况。针对这些问题,我们提出了平均残差差值重构贡献图的方法。这种方法可以做到同时进行传感器微小故障的检测和辨识,然后利用故障重构理论里的故障估计公式直接进行故障幅值大小的估计,从而形成了完整的微小故障诊断方法。2.相对贡献图的方法虽然可以做到正常情况下所有变量的贡献值是统计相等的,但当故障发生时它的辨识效果却是很差的。由于相对贡献图已经计算出了贡献图期望值的表达式,于是我们提出了平均期望差值重构贡献图的方法,即利用原始重构贡献图和重构贡献图期望值之间的差值来产生新的贡献图。利用平均期望差值重构贡献图也可以做到同时进行传感器微小故障的检测和辨识。3.几乎所有传统的主元选择方法都没有考虑到故障检测性能和辨识性能的问题,即使考虑了故障检测敏感度的故障信噪比方法也只是针对某一类传感器故障。为了选到更加适合的主元个数,我们首先提出一个故障检测性能指标来表征故障可检测范围,然后提出一个故障辨识性能指标来判断是否有故障误辨识情况发生,同时从数学上详细分析了主元个数对故障辨识性能指标的影响。结合这两个新提出的性能指标,最后我们提出了一种基于故障检测和辨识性能优化的主元选择方法。