随着现代化大生产的发展和科学技术的进步，现代工业系统的结构越来越复杂，功能越来越完善，自动化程度越来越高。由于不可避免的因素的存在，工业过程系统难免会出现各种各样的故障，这些故障引起的直接后果，就是降低系统的某些性能，甚至影响整个过程的监控效果。因此，大力开展过程故障诊断的研究意义重大。 基于统计过程控制的故障诊断技术是故障诊断领域的一个重要研究分支，本文针对国内外工业过程故障诊断技术的理论与工业应用的现状，分析了故障诊断的过程与实质，对其中较为重要的主元分析、小波分析等关键技术进行了详细深入的探讨。其中主元分析具有去除变量线性相关性的能力，这样可以大大压缩数据处理的工作量，主元分析检测结果可以通过统计图表示出来，小波分析技术具有提取变量局部特征和近似分解变量自相关性的优点，是目前故障检测的热点研究方向之一。本文基于小波理论和主元分析基本原理，研究了主元分析去除变量线性相关性的能力以及小波变换提取变量局部特征和近似分解变量自相关性的能力，特别深入研究了基于两者优点的多尺度主元分析方法，并将此方法应用于TE化工过程的故障诊断系统。通过仿真实验，将主元分析方法和多尺度元分析方法进行了比较，结果表明，通过多尺度主元分析，系统的监控性能有了明显的提高，误报率可以降低14.3％，漏报率可以降低9.5％，表明该方法在故障诊断方面达到了令人满意的效果。