化学工业在工业生产中占有举足轻重的地位,它几乎涉及到人们生活的各个方面。近年来,随着科学技术的飞速发展,化工过程生产装置的规模越来越大,工艺越来越复杂,自动化水平越来越高,因此化工过程的安全问题越来越得到人们的关注。在化工生产中应用故障诊断技术为现场操作人员提供决策支持,确保生产过程稳定安全运行,一直是相关研究人员和工程师们关注的焦点之一。本文首先介绍了故障诊断的研究背景及意义,然后对众多故障诊断方法进行评述,说明了定性趋势分析在故障诊断中独特的优势。然后对国内外定性趋势分析的文献进行评述,仔细梳理了定性趋势分析的研究历史与现状。在大量的文献调研的基础上,本文采用一种较为简洁的趋势提取方法。这种方法从变量中提取半定量的片段,用三个基元来描述片段:上升,下降,不变。这种算法能够检测过程变量的跃迁,所用基元均为线性片段,计算复杂度低,基元的数量也只有三个,且基元之间的相关性小,提取的趋势更加直观、简洁。针对实际工业过程中实时处理的需要,本文在离线处理的基础上进行改进,采用一种外推式在线分割算法(Extrapolation for On-line Segmentation of Data),实现了对在线数据的合理分割。再结合最小二乘法对在线数据进行分段拟合,提高了趋势分析精度,使其能满足在线处理的需要。为了将提取的趋势应用至故障诊断中,本文提出了基于定性趋势分析的故障诊断框架,并分析和讨论了基于定性趋势分析的知识库的建立、故障检测、故障诊断等问题。最后以Tennessee Eastman过程(简称,TE过程)为例进行仿真研究,研究结果表明该方法能较好地对各类故障进行检测与诊断。