由于化工过程的开车过程具有强非线性、参数动态变化范围大、非常规状态多等特点,自动控制系统往往被停止使用,取而代之的是众多操作员的手动操作,稍有不慎,就会导致开车失败,严重的会导致安全生产事故。据统计,约40%的化工事故发生在开、停车过程。因此,对化工过程的开车过程进行故障诊断,一进成为故障诊断领域的一个研究前沿。开车过程的故障诊断方法主要分为两种,分别是基于历史数据的方法和基于模型的方法。由于开车过程的强非线性、动态、大滞后等特性,构建令人满意的数学机理模型比较困难,即使得到了机理模型,在线适时求解机理模型仍然具有挑战性。本文在研究开车过程的故障诊断方法的基础上,对动态轨迹分析算法进行了改进,实例研究表明,故障诊断效率有较大提高。为将改进的动态轨迹分析算法应用于大规模化工过程的开车过程,本文将其与主元分析法(PCA)相结合,提出了一个混合的故障诊断策略,并在一个实验室规模的精馏塔开车过程中得到成功的应用。为提高诊断未知故障的能力,本文利用Gensym G2Opetigrity专家系统平台,将符号有向图(signed directed graph,简称为SDG)集成到前面所述的故障诊断策略中,开发了一个化工过程故障诊断原型系统,不仅能及时诊断已知的故障类型,而且使其可以对样本库中不存在的新故障进行诊断,给出可能的故障源和故障传播路径。