过程安全，产品质量以及环境保护是现代流程工业的核心目标。因此，故障检测作为过程自动化系统的重要组成部分和关键技术之一，具有重大的现实意义和价值。随着信息技术在工业系统中的广泛应用以及计算机存储技术的发展，海量工业数据得以收集和存储，这使得基于工业大数据的故障检测成为可能。　　在现有的检测算法中，通常都使用Q统计量和T2统计量来进行故障判别。然而，基于Q统计量和T2统计量的检测算法通常会有较高故障数据漏检率，不能够满足工业大数据对于检测精度要求。针对此问题，本文设计了一种基于复合统计量(Compound Statistics of Residual and Score，CRS)的故障检测算法，并基于CRS所提出的故障检测算法，设计并开发了一个故障检测系统，实验表明统计量算法相比于Q统计量和T2统计量检测算法，有更好的检测精度。具体工作如下：　　①针对使用Q统计量和T2统计量进行故障判别会出现故障数据遗漏问题，设计了一种基于 CRS 统计量的故障检测算法。首先使用主元分析法(Principal Components Analysis，PCA)对高维数据进行降维，并提取主元。然后构建CRS统计量，并基于此，构建故障检测算法。最后根据CRS贡献值，对故障属性的贡献率进行分析。　　②基于所提出的故障检测算法，设计并开发了一个故障检测系统。该系统采用模型-视图-控制器(Model-View-Controller，MVC)架构，Model 模块主要实现数据的存储，View模块主要用于实现系统的UI界面，Controller模块主要用于实现我们提出的故障检测算法。