啤酒生产过程周期长,影响产品质量的因素多,发酵装置结构复杂,是典型的非线性、强耦合、时变系统。在实际生产过程中,往往会出现设备老化,传感器故障、工作点漂移等系统故障,这些故障的发生可能会造成较大的经济损失甚至人身安全。本文以啤酒发酵过程为对象,研究基于数据的间歇过程故障诊断算法,在对多种过程监测和诊断模型仿真分析基础上,在对多种数据驱动过程监测和诊断模型研究及分析仿真基础上,主要对主成分分析故障诊断方法进行改进研究,并以实验和仿真验证改进故障诊断算法的性能。主要研究内容及工作如下:1、提出了一种基于主成分分析的啤酒发酵系统故障诊断方法,分别对故障检测和诊断算法的建模、工作流程和故障控制限等进行了分析研究,并通过仿真实验研究对算法性能、适用范围和存在的局限性进行了验证分析。同时对啤酒发酵装置进行了改进。2、提出了一种基于独立成分分析的啤酒发酵系统故障诊断方法,利用独立成分分析优化判据从观测变量中分解出相互独立的非高斯变量独立成分分量,它满足统计意义下的独立特性,而不仅仅是PCA所要求的不相关。通过非高斯度排序思想确定选取的独立成分分量数,并建立相应的统计控制置信限。3、针对过程数据的非线性问题,对主成分分析方法进行改进,提出了一种基于核变换的改进主元分析(KPCA)算法,并进而利用独立成分分析在数据独立性分析方面的优势,发展出一种ICA-KPCA故障检测模型,算法性能在漏检数和准确率方面都得到了明显的改善。通过对几种故障诊断模型的仿真分析对比得出结论:相较于传统的故障诊断方法,ICA-KPCA方法在实际的故障检测的误报率和漏检率方面具有更好的性能。