故障检测和诊断技术(FDD)是近年来国际控制理论研究和实际应用的热点问题之一.这项技术已取得了许多应用成果,并广泛应用于各种连续生产过程和间歇生产过程.但是,鲁棒诊断、非线性诊断和在线诊断问题仍是故障诊断有待进一步完善的问题.特别是在间歇过程中,状态变化反复、非线性严重、故障模式识别等问题影响着故障诊断技术的成功应用与发展.该文侧重于多尺度多向主元分析(MSMPCA)方法在间歇过程性能监视和故障诊断中的应用,并将其推广应用到非线性领域.该文针对现场采集的数据存在误差问题,深入研究了多尺度主元分析方法(MSPCA),并将其应用于数据处理和连续过程性能监视中.MSPCA方法可有效地对数据进行处理,提高数据的精度,消除了生产过程的随机波动给诊断带来的误差,从而为生产过程性能监视和故障诊断提供合理、有效、可靠的结果,减少误报、漏报现象.在此基础上,将多向主元分析(MPCA)和小波变换理论相结合,提出了一种新的间歇过程性能监视和故障诊断的多尺度多向主元分析方法(MSMPCA)..该文详细介绍了MSMPCA方法在间歇过程性能监视和故障诊断中的应用,包括模型数据库的建立、性能监视和故障诊断,同时针对半导体生产工艺快速热退火(RTA)过程,应用MSMPCA方法做了大量仿真试验.仿真实验结果表明:与MPCA方法相比,MSMPCA方法能够更好的监视间歇生产过程的运行,及时、准确地发现过程异常情况,而且能够启动故障诊断机制,准确地诊断事故发生的原因.此外,该文还将该方法推广应用到非线性领域,提出一种新的非线性多尺度多向主元分析方法(NLMSMPCA).与NLMPCA方法相比,NLMSMPCA方法可改善检测决定性变化和提取代表不正常操作特征的性能,从而可得到比较准确的性能监视和故障检测结果.NLMSMPCA方法的优点是,既能提取过程数据中的线性关系,也能提取过程数据中的非线性关系,从而能够更简单地描述原始数据.通过使用小波变换,NLMSMPCA方法能对数据自动滤波,提高了统计模型的准确性.另外,采用非线性PCA方法,大大减少了数据维数,降低了训练输入神经网络的复杂性,提高了网络的泛化能力.NLMSMPCA方法还能在异常过程回到正常操作后消除错误报警.NLMSMPCA方法的一个突出特点是,通过采用滑动窗口法,在该窗口中始终包括最新批次的采样值,可以实现间歇过程的在线性能监视和故障诊断.