随着工业自动化的发展,化工生产过程对故障检测技术的要求越来越高。面对石油钻井过程这类复杂化工过程,传统的故障检测方法存在检测效率低,实时性能差和对噪声的鲁棒性较弱等问题。因此本文对自适应故障检测方法进行了分析与研究,提出适用于复杂化工过程的自适应故障检测方法,并用复杂化工田纳西伊斯曼(TE)过程数据进行对比实验分析,最后使用石油钻井数据验证算法的有效性。本文主要成果包括:(1)针对主元分析(PCA)方法对噪声比较敏感的缺点,本文详细研究了希尔伯特黄变换(HHT)算法和三种信号分解方法,并结合PCA方法,提出了一种基于HHT-PCA方法的故障监测方法,该方法利用PCA方法能够将高维数据投影到低维空间的优势,结合变分模态分解(VDM)方法与希尔伯特黄变换算法,对低维空间中的主元分量进行去噪,以提高算法的效率和性能,并通过田纳西伊斯曼(TE)过程故障检测实验,验证了提出算法的有效性。(2)针对传统PCA法建立的故障检测模型是静态模型,无法实现对具有时变特性和动态特性的过程数据进行有效监控的问题,本文详细研究了移动窗PCA方法和动态PCA方法。考虑到时变过程数据与模型的相关性会随着时间衰减,结合海明窗对移动窗PCA方法做出了改进,提出一种基于HHT-MWPCA的自适应故障检测方法。(3)考虑到复杂化工过程数据大多具有较强的动态特性,引入动态主元分析(DPCA)方法的增广矩阵,提出一种基于HHT-MWDPCA的自适应故障检测方法。通过TE过程和钻井过程的故障检测实验,证实了改进算法能够自适应监控具有动态特性的时变过程,降低了误报和漏报率,提升了模型的故障检测能力。