近三十年来,随着工业过程大型化和复杂化的迅速发展,为避免事故甚至系统崩溃造成的巨大经济损失,迫切需要提高系统的可靠性和安全性。研究和开发具有集控制、监控和诊断功能于一身的过程监控系统已经成为工厂综合自动化发展的迫切需要,具有重要的理论意义和实用价值。基于多元统计方法的故障诊断方法是故障诊断领域的一个重要研究分支,由于其不依赖于数学模型以及现场大量易获得的过程数据而更具有实用性。本文运用多元统计理论,以田纳西—伊斯曼(TE)过程数据为研究背景,在广泛查阅相关文献的基础上,详细研究了几种基于多元统计分析的故障诊断方法：1首先采用基本的主元分析(PCA)算法,对田纳西—伊斯曼过程数据进行了故障检测和诊断,仿真结果表明,PCA方法在检测方面表现出较好的性能,但在故障诊断方面有一定的局限性。通常认为TE过程为动态非线性过程,通过动态PCA仿真发现,TE过程的动态性不是很明显,因此在下面的研究中不考虑其动态性。2针对TE过程的非线性特性,本文又使用了一种非线性分析方法——核主元分析(KPCA)对其进行了故障诊断。针对KPCA算法中的故障识别问题,完善了基于微分贡献图和核函数导数的故障识别方法,该方法相对于PCA方法的故障变量识别准确率有所提高。3讨论了一种新的故障诊断方法—对应分析(CA),它是PCA的一种拓展,采用了一种不同的方法提取矩阵的信息。CA在故障检测和识别方面表现出了比PCA更理想的效果,在基于多元统计分析的故障诊断方法研究方面进行了有益的尝试。