本文针对当前故障预报技术存在的主要问题及其研究趋势，借鉴了非线性时间序列事件预测的新型方法一时间序列数据挖掘方法中暂态的思想，提出了一类基于时间序列暂态识别的新型故障预报方法。全文的主要内容如下： 首先，针对非线性系统建模困难以及现有方法过分依赖系统模型的情况，提出一种基于时间序列数据挖掘的故障预报新方法。将系统输出的采样数据看作一个时间序列，把故障前兆作为序列中的暂态模式。利用时延嵌入的方法重构状态空间，在状态空间中使用遗传算法搜寻最优暂态束，组成暂态集。用故障暂态集对非线性系统的输出数据进行监测，判断是否为故障前兆模式，直接实现故障预报。 然后，针对已有方法需要获取故障先验数据或先验知识、实时性差等缺点，设计了一种基于一类支持向量机的时间序列暂态识别算法，提出了一种无需故障训练数据和先验知识的直接故障预报方法。在系统运行的同时实现学习和预报，提高了预报的实时性和准确性。利用该方法在只具有系统正常运行数据的情况下实现了故障预报。 接着，针对之前方法在线训练速度慢，计算量大，无法估计故障时间等不足，讨论了在线最小二乘支持向量回归算法(LS-SVR)，基于该算法构造了一种在线故障暂态估计方法。选取一组状态特性表征值作为系统初始正常状态下的训练值，建立在线LS-SVM回归模型，根据LS-SVM回归输出值进而估计暂态，实现快速故障预报。同时通过最小二乘法拟合暂态的特性回归趋势，得到故障发生的大概时间，为以状态为基础的预测维修提供了条件。 最后利用文中提出的方法对连续搅拌釜式反应器(CSTR)进行故障预报的仿真实验，仿真结果表明了本文方法的有效性。