随着人们生活水平的提高,人们对产品质量提出了越来越高的要求,这反应在工业系统中,体现在复杂控制系统的引入,这使得系统规模变得更加复杂、智能了,这同时也会使系统承受更高的安全风险。因此对现代工业生产系统进行故障的诊断进而采取一定的容错手段是维持系统安全可靠运行的很重要的一方面。传统的故障诊断方法是基于过程机理的,需要能对过程机理建立描述的模型,有较好的诊断效果,但是现代工业系统的复杂性使得待检测过程的机理是很难进行定量准确描述的,因此传统的基于模型的方法在这种情况下的使用是受限的。而另一方面,随着控制系统的普及电子技术的发展,工业系统中都配有多种传感器,这些传感器都采集并存储了大量的过程数据,过程的异常情况可以间接地通过数据反应出来,需要做的是充分挖掘这些数据中所携带的信息,即基于数据的故障诊断。本文先对基于主成分分析的投影方法进行研究,在此基础上,进行了基于统计学的故障诊断方法研究,对传统的统计量进行改进,简化监控结果,进一步,针对过程噪声问题,提出了基于经验模态分解的方法对数据滤波预处理,最终提高了故障诊断率。当考虑到质量变量过程监控问题,本文研究了偏最小二乘法在过程监控中的应用,并以基本的偏最小二乘法为基础,进一步研究了更全面的基于全潜变量投影的故障诊断方法,针对此方法的不足,本文提出了改进方法,提高了对质量变量的监控效率。最后,本文介绍了田纳西伊士曼过程及一个数值算例,针对实际系统,对过程采集到的数据使用设计出来的两种故障诊断方法,进而实现了对改进方法的实验性证明。