工业过程中,保持运行过程的安全性和可靠性是很重要的,所以故障诊断技术在工业过程中的应用越来越多。本文介绍了一些故障诊断方法和TE过程模型,然后介绍了PCA方法及其在TE过程故障诊断中的应用。PCA是一种线性方法,应用于复杂的TE过程,其效果并不令人满意。支持向量机(SVM)方法作为本质非线性的算法,在TE过程故障诊断中的应用能取得较好的效果,但它仍有需要改进的地方。本文的重点是把改进的SVM方法用于TE过程的故障诊断中。SVM作为热门的机器学习方法,其核函数的选定和参数的选取并没有统一的标准,一般通过经验法和实验法得到。不同的核函数有不同的性质,为了兼顾算法的学习能力和泛化能力,本文把多项式核函数和径向基核函数的加权和作为SVM的核函数。至于参数值的选取则通过粒子群优化(PSO)得到。最后把这种改进的SVM算法运用在TE过程故障诊断的仿真中,结果表明这种故障诊断方法比PCA方法性能好很多,也比原SVM方法性能有所提高,达到了预期的效果。