随着现代化水平的不断提高,控制系统日趋大型化和复杂化,这就对它的安全性和可靠性提出了更高的要求,因此控制系统的故障诊断技术受到了越来越广泛的关注。并且,由于现代传感技术的飞速发展及计算机水平的不断提高,大量的过程数据被记录存储下来,如何提取这些数据中的有效信息已经成为故障诊断领域的重要研究方向。在这种情况下,慢特征分析作为一种特征提取方法应运而生,它能够提取时序信号中变化最缓慢的成分,有效表示系统的固有属性。本文将慢特征分析法引入到故障诊断技术中,并以控制系统为研究对象进行了相关研究。首先,在对慢特征分析算法的思想和原理进行相关介绍后,研究了完整的基于慢特征分析的故障诊断模型:利用经过慢特征分析提取后的数据,构建能够反映系统运行状态的监控统计量,实现故障的检测;检测到故障后,通过贡献图法计算每个变量对统计量的贡献率实现故障的定位。其次,针对慢特征分析无法良好地处理非线性数据的问题,引入了高斯核函数对算法进行了非线性扩展,并将核慢特征分析法应用到控制系统的故障诊断中。提出了基于核慢特征分析的监控统计量法用于故障的检测;由于核方法无法找到高维特征空间到原始空间的逆映射函数,引入了核样本等效替换思想,通过揭示核矩阵与输入矩阵之间的关系,间接地确定输入变量与监控统计量间的对应关系,实现故障的定位。仿真结果表明,该方法与传统的慢特征分析算法相比,在处理非线性过程数据方面具有优越性,并且核样本等效替换思想在保证计算精度的同时,大大提高了诊断效率。最后,为实现控制系统执行器故障类型的精确辨识,以调节阀为研究对象,提出了基于特征指标信息融合的故障诊断方法。利用调节阀输入输出变量间的关系,提出了几种能够反映调节阀不同故障特点的特征指标,并利用D-S证据理论对各个指标进行信息融合,得到最终的诊断结果,最后通过实验验证了该方法的有效性与优越性。