复杂系统异常状态的预报，一直是人们迫切希望解决的问题。为此，众多的理论研究人员与实践工作者都希望找到一些切实可行的预报方法用以解决应用中的实际问题。本文针对复杂工业过程异常工况的诊断方法及其实际工程应用进行了较为深入的研究，主要工作包括一下几个方面： 对前人的研究结果进行了认真的回顾、总结。重申了工业过程复杂系统故障的定义、故障诊断的基本概念、研究方法分类、研究的必要性。论述了当前的研究热点与主要研究方法。 对于复杂工业过程，若要实时在线监控其工况，首先应该能解决工业测量数据的污染问题。为此，研究了实测过程数据的在线实时处理问题，以便这些过程状态变量数据可以真实地反映复杂系统的工作状态，进而进行先进控制或故障诊断。根据实时数据的测量噪声、测量误差进行去粗取精、去伪存真以及同一性的处理并用于实际生产过程验证了数据处理的有效性。 大多数实际工业过程对象都具有不确定性、时滞和非线性。针对一类具有不确定环节的时滞、非线性系统，研究了基于解析模型的传感器与执行器故障诊断问题，设计了相应的观测器和自适应跟踪器，给出了故障诊断方案，并通过数学分析证明了故障诊断系统的稳定性、灵敏性与鲁棒性。然后，对所提出的故障诊断方案进行了计算机仿真验证，仿真结果表明该故障诊断方案有较好的诊断功能。 研究了基于核函数方法的复杂过程故障诊断问题。提出了两种基于核函数方法的复杂系统异常状态的诊断方法。KPCA-SVC进行复杂系统异常状态的诊断方法，采用KPCA提取输入的特征信息，再以KPCA提取的特征作为SVC的输入，并以CSTR故障诊断实例对所提的方法加以验证。SVC递阶复杂系统异常状态诊断方法，探讨了该方法的特点和实施方法，并在TE过程的异常工况在进行了验证，结果表明该方法可行、有效。 将理论研究与实际应用相结合，首次完成了人工神经网络的酮苯脱蜡滤机异常工况的自动辩识问题。首先进行人工神经网络的学习，然后用神经网络内核构成的诊断系统来监控过程状态变量，状态变量已经过数据处理，将滤机运行的实时状态变量数据与基础状态数据进行回溯比对，及时发现运行工况的异常。可以实时监控滤机运行状态，取得了较好的应用效果。 将理论研究与实际应用相结合，实现了基于专家系统的合成氨原料气净化过程异常工况的诊断与容错控制。在知识表达上，采用了“规则架+规则体”的规则知识表示方法，推理机设计则采用混合推理策略。系统投入运行后，稳定可靠，可以对净化装置的异常工况做出实时监视并在一定操作点下进行容错控制。 总结了全文的工作，在对以往工作总结的基础上，对故障诊断技术和诊断方法的未来研究作了展望，指出了若干尚需完善和有待于深入研究的问题。