随着社会的发展,现代工业越来越大型化、复杂化,一旦故障未能及时诊断并修复,将会导致整个生产系统瘫痪,造成巨大的经济损失甚至人员伤亡。因此,及时有效的过程监控以及准确可靠的故障诊断对于保证生产过程的安全高效运行至关重要。在实际工业过程中,故障工况中往往存在中心位置偏移和波动方差增大两种典型的故障波动,它们蕴含的故障特性显著不同。然而传统的故障诊断方法通常只能分析某一种故障波动特性,无法充分提取故障特征。本文深入分析了这两种典型故障波动的不同特性,进一步探究了如何综合利用这两种故障波动信息提高故障诊断精度并准确定位故障原因。具体研究内容如下:1.考虑到现有方法无法有效提取不同故障波动,结合嵌套迭代费舍尔判别分析方法(NeLFDA)与相对变化(RC)方法的优势,提出了基于NeLFDA-RC两步分析策略的故障诊断方法,该策略既可以有效提取位置偏移的相关信息,又可以分析波动方差,进一步提高了故障诊断性能。2.考虑到故障过程中并非所有变量都受到异常扰动影响且未受影响的正常变量易干扰故障特性分析,提出了一种基于稀疏相对判别分析的故障变量选择方法,该方法在考虑变量间相关关系的前提下实现关键故障变量的自动选择和识别,有助于提取关键故障信息并深入分析过程的故障特性。3.考虑到每种故障工况中的故障变量和正常变量分别表征了不同的过程特性并共同揭示了区别于其他故障类的重要诊断信息,提出了 一种基于故障变量与正常变量协同分析的故障诊断策略,该策略针对故障变量和正常变量分别表征和建模,并对两部分诊断结果进行贝叶斯决策融合,提高了故障诊断性能。