随着现代工业过程不断地向大型化、集成化方向发展，工业过程的复杂性不断提高，过程变量也越来越多，一旦生产过程发生故障，可能会造成人员和财产的巨大损失，因此过程的故障诊断已成为控制领域研究的重点之一。及时准确地检测和诊断出过程的故障，不仅可以减少事故、增加过程运行的安全性，而且可以降低生产成本，提高企业的经济效益和社会效益。为了可靠、迅速和准确地实现故障诊断，本文深入研究文化算法(cultural algorithm，CA)、差分进化算法(differential evolution algorithm，DEA)、离散二进制粒子群算法(discrete binary particle swarm optimization algorithm，BPSOA)等优化算法和特征选择、支持向量分类机(support vector machines，SVM)、补偿模糊神经网络分类器(compensatory fuzzy neural network，CFNN)等故障诊断方法，提出了新的特征选择方法和故障分类模型建模方法，主要研究内容如下： (1)在研究大量文献的基础上，对工业过程故障诊断技术、特征选择和优化算法的研究历史与现状进行了综述，并对特征选择方法和模式分类方法在故障诊断中的应用和进展情况进行了总结，对文化算法的进一步研究方向提出了一些观点。 (2)结合文化算法和差分进化算法各自的特点，提出了一种新的基于差分进化的文化算法，即文化差分进化算法(Cultural Differential Evolution Algorithm，CDEA)。该算法将差分进化算法作为文化算法的种群空间，对文化算法的信念空间和影响函数进行了改进，设计了基于多种知识源的信念空间，并将改进的影响函数同时作用于差分进化的变异操作和交叉操作，使文化信念指导种群进化的影响函数的作用得到加强。函数测试结果表明将知识机制的引入使得CDEA在寻优性能上有了较大的提高，而对算法参数设置的敏感性却相对较小。 (3)提出了一种基于离散二进制粒子群优化的文化算法，即文化离散二进制粒子群优化算法(Cultural discrete binary particle swarm optimization algorithm，CBPSOA)。该算法将离散二进制粒子群作为文化算法的种群空间，利用文化算法从进化过程中提取的信念知识及对种群的影响来提高离散二进制粒子群算法的搜索速度和搜索精度。针对每个个体采用二进制的表达方式，在文化算法的信念空间设计中提出了适合二进制特点的环境知识、标准知识、地形知识和历史知识等多种知识来构成文化算法的信念空间，并根据二进制的特点设计出各类知识的影响函数用于指导粒子的进化。函数测试结果表明由于文化算法在种群的进化过程中提取了信念知识，并通过合适的影响函数指导种群的进化，从而使得离散二进制粒子群算法在寻优精度和速度上均有了较大的提高。 (4)在传统文化算法体系结构的基础上，提出了若干文化算法的改进措施：定义了一种新的自适应接受函数；在信念知识更新之前引入了交叉、变异和选择操作；文化算法与迭代局部搜索的结合；针对文化算法的体系结构设计了一种基于多层信念空间的文化算法模型。根据数值仿真研究，对自适应接受函数、引入交叉、变异和选择操作和迭代局部搜索技术以及基于多层信念空间的文化算法对CDE算法和CBPSO算法性能的影响、具体参数的设定等问题进行了研究和总结，给出了集成各种改进措施的文化差分进化算法模犁(MCEDA)和文化离散二进制粒子群优化算法模型(MCBPSOA)。仿真实验表明，改进的CDE算法和CBPSO算法具有更好的优化性能。 (5)将提出的文化离散二进制粒子群算法用于解决故障特征选择问题，给出了相应的特征选择算法的流程。针对Tennessee Eastman(TE)过程中的不同类型故障分别采用BPSOA、CBPSOA-MILS和MCBPSOA三种算法进行特征选择，仿真结果表明后两者的特征选择方法能够更加快速、准确地实现故障特征选择，可以更好地实现数据降维，有效保证分类器对不同类型的故障获得较好的故障诊断性能，具有较好的鲁棒性。 (6)核函数的选取对支持向量机的分类性能具有重要的影响，本文提出了一种基于RBF核、多项式核和傅立叶核的新的混合核函数，并给出了整个混合核函数的确定方法。采用提出的基于改进的文化差分进化算法用于核参数的选择，将基于MCBPSOA的特征选择和支持向量机故障诊断方法应用于TE过程的故障诊断。数值仿真实验表明MCBPSO算法能够更快、更准确地搜到故障特征变量，而基于特征选择的SVM具有良好的故障诊断性能。 (7)提出了一种新的基于聚类和文化算法的补偿模糊神经网络模型。该网络的学习分为两步：结构学习和参数学习。在结构学习中，提出了一种改进的聚类算法，并将其用于确定模糊规则数及初始参数，构造一个初始模糊模型；在参数学习中，采用改进文化差分进化算法对补偿模糊神经网络参数进行优化，使其具有更高的精度。通过Iris标准数据集和CSTR模型的仿真实验，结果表明基于聚类和文化算法的补偿模糊神经网络分类器比常规补偿模糊神经网络(CFNN)和常规模糊神经网络(FNN)以及采用遗传算法优化的补偿模糊神经网络(GACFNN)具有更好的训练和泛化能力，达到较高的分类效果。 (8)裂解炉是乙烯装置的核心设备之一，其运行的安全性、可靠性对乙烯的收率和后续工段的操作稳定具有重要影响。本文针对一个实际乙烯裂解炉的生产过程，将提出的基于MCBPSO算法的特征选择、基于混合核函数的支持向量分类器和基于聚类和文化算法的补偿模糊神经网络分类器等故障诊断方法应用于裂解炉的四类故障。分别采用全部变量、主元分析后的主元和故障特征变量作为分类模型的输入变量，用实际生产过程的采样数据来训练和测试模型，并对不同的模型进行分类精度和推广性能的比较分析，结果表明基于特征选择的SVM模型和CFNN模型具有很好的故障诊断性能和鲁棒性。