随着科学技术的不断推进,现代控制系统的规模逐渐大型化,复杂程度也日益增大。为了提高控制系统的安全性和可靠性,需要对整个系统的运行状态进行监控,及时发现系统的故障信息,进而采取相应的措施,防止灾难性事故的发生。复杂的控制系统很难得到精确的数学模型,这导致传统的基于模型的故障诊断方法在应用上存在很大的局限性,而由于计算机技术的迅速发展,使得控制系统能够获得越来越多的数据信息,基于数据驱动的故障诊断方法就是在这种情况下应运而生的。本文以控制系统为研究对象,利用了基于数据驱动的方法进行故障诊断研究。首先,需要对控制系统进行故障检测,判断有无故障的发生。针对这一问题,提出了基于特征提取与聚类相结合的故障检测方法。该方法利用慢特征分析对控制系统的正常数据与故障数据进行特征提取,再采用模糊C-均值聚类算法,获得正常数据的聚类中心,并选取簇类半径作为阈值,构建待检测数据与聚类中心的差值模型,判断控制系统的待检测数据相对于正常状态是否发生了偏离。其次,构建控制系统故障库,对故障类型进行分类。整个系统由于引入了闭环控制规律,使得故障在系统内传播,最终可能使不同的故障产生相近的数据,因此将上述提取的故障特征与控制系统的故障特性相结合,提高故障特征的区分性。利用减法聚类的自适应特性,确定待检测的故障是否为故障库中已知的故障类型。然后再对待检测的故障数据进行模式匹配,判断故障类型。最后,将上述方法应用到电厂的过热汽温控制系统中进行方法验证。