随着计算机技术的发展以及工业4.0等理念的推广,现代工业过程更趋向于自动化、集成化、复杂化和智能化。在对此类复杂的工业过程进行故障检测时,传统故障检测方法已不再适用。近几年,传感器技术和数据实时存储技术快速发展,工业过程中大量的过程数据得以保存。在这种情况下,基于数据驱动的故障检测方法迅速发展并且被广泛应用于现代工业的过程监控。基于数据驱动的过程故障检测是一个较大的概念,包括多种故障检测方法,多元统计分析是其一个重要分支,目前其应用也最为广泛。本文的研究主要围绕多元统计分析方法展开,主要内容如下:(1)针对传统故障检测中T2统计量超限而SPE统计量未超限这一情况,提出一种改进动态主元分析算法。该方法利用主元相关变量残差统计量代替传统的平方预测误差统计量,能提供更详细与主元相关的过程变量信息,可以有效识别出T2统计量超限的原因。(2)针对核主元分析方法的核矩阵K的计算耗时以及在检测过程中对于一些小扰动引起的过程故障易出现的误报问题,提出一种改进核主元分析方法。该方法引入不可区分度与特征向量选择的概念,利用不可区分度去除原来变量样本中的相关度较小的变量减小误报率,利用特征向量选择减少特征样本的数目以缩短核主元分析方法的检测时间,提高检测效率。(3)为推动数据驱动技术在工业现场中的实际应用,开发了以蒸馏塔为被控对象的半实物仿真系统。将上述改进方法应用于该半实物仿真平台,均取得了很好的检测效果。最后,采用VB与Matlab混合编程的方式,将本文研究的故障检测方法结合该仿真平台开发了蒸馏塔故障检测监控平台,针对蒸馏塔不同故障可以有选择性的使用不同方法检测,提高故障检测效率。