液压控制系统在大功率装备制造中占据着重要的地位。油液污染等原因导致的液压系统故障直接影响装备工作效率和生产成本,进而给企业带来不可估量的损失。因此对液压控制系统进行故障预测及故障诊断分析,以保证液压控制装备平稳、高效工作。翻车机是一种典型的液压控制装备,承载着铁路运输散料翻卸任务,具有重复性生产过程特点,其使用率高、工作环境恶劣导致液压系统故障发生率相对较高。本文以翻车机液压系统为研究对象,采用多模型静动态多元统计分析方法提取翻车机液压系统监测数据的关系模型,再以特征基向量构造的高阶统计量为依据进行故障监测,研究结果对具有重复性工作过程的液压系统故障监测与诊断具有重要理论参考和现实意义。建立了翻车机液压系统仿真模型,并以散粒体结构力学为基础建立了翻车机卸料过程剩余煤重力模型,将该模型作为液压系统仿真分析的加载力。在验证仿真模型正确的基础上,采用模拟仿真的方法获得了在生产实际当中难以获取的液压系统故障特征曲线,作为故障辨识的重要参考数据。针对翻车机液压系统的过程监测数据具有批次性、多模态及变工况的特点,利用多模型静态主成分分析方法(PCA)提取监测变量间的静态关系,并基于递归自适应算法在线更新静态关系模型以减小工况变化对故障监测结果的影响。采用多模型PCA变量重构方法进行故障辨识,提出了有方向故障子空间以描述故障状态下变量的变化趋势。通过实例监测数据证明所采用的方法具有较高的故障识别率和辨识准确性。分析了数据时序相关性对PCA特取的特征向量和残差平方和统计量控制限的影响。根据不同文献中动态PCA特征提取方法的定义将动态PCA分为消去时序相关动态PCA和增广矩阵动态PCA。通过二维变量的实例说明了不同动态PCA和静态PCA特征向量之间的区别与联系。针对翻车机过程监测数据的时序关系具有非平稳性特点,提出多模型动态PCA方法。利用多模型表示非平稳的时序关系,应用动态PCA提取监测数据的时序关系特征。将两种多模型动态PCA特征提取方法应用于翻车机液压系统的过程监测数据当中,监测结果表明基于增广矩阵动态PCA的故障识别率要高于静态PCA和消去时序相关性动态PCA。设计了翻车机液压系统特征参数监测软硬件系统,开发了基于PCA统计特征的翻车机液压系统故障诊断程序。该系统已通过现场测试,为翻车机现场设备维护人员提供了便利。