流程工业的生产具有高度的连续性，如何保证生产过程的稳定性和可靠性显得十分重要，采用必要的故障诊断技术可有效地防止昂贵的停机和避免严重的安全事故。因此开展复杂工业过程故障诊断准确性和及时性的研究，实现工业故障快速诊断具有十分重要的意义。　　 复杂工业过程的绝大部分故障都是由于传感器和执行器故障引起，故本文主要是针对传感器和执行器各种故障现象，建立合理的故障描述模型，然后在此基础上分别采用了鲁棒残差技术、自适应阈值、神经网络和支持向量机等智能技术进行故障检测和诊断方法研究。并以三水箱模型、四水箱装置为研究对象，分别采用了力控组态软件和ECS100型DCS控制系统，实现了故障在线监控功能。　　 首先，研究多模式传感器故障的检测方法和三水箱综合实验平台在线监控系统。针对四种不同传感器故障模式以及突变故障和衰减故障建立了合理的故障描述模型，采用鲁棒残差技术、自适应阈值、神经网络技术进行故障的诊断研究，对三水箱基准模型的各类传感器故障进行仿真验证。利用工业组态软件和DDE通讯技术，设计了三水箱综合实验平台实时监控系统。　　 其次，CS4000四水箱装置具有非线性和强耦合等特点，增加了故障检测与诊断研究的难度。在研究多变量解耦控制理论，设计了解耦控制策略，实现了正常工况条件的解耦控制；在此基础上，人为设置各种故障现象，运用VB编写的数据采集程序，采集正常工况和各种故障工况样本，分别采用神经网络和支持向量机技术对上述故障进行故障辨识，并对辨识结果进行分析。实验结果表明当故障数据样本数目较小时，支持向量机的故障辨识率明显高于神经网络。　　 最后，在ECS100型DCS控制平台上，设计了CS4000型四水箱装置的在线实时监控系统。在DCS控制平台设计了实时监控界面，通过工程师站与装置的通讯技术和采用图形策略编辑器编写主、副管路的串级PID控制等复杂控制策略，实现了装置的在线监控与报警功能。