随着科学技术和自动化水平的不断提高,现代工业过程的自动化控制朝着大型化、复杂化的方向发展,这类系统和设备一旦发生故障,不仅造成巨大的经济损失,甚至造成人员伤亡和环境污染.故障诊断就是对控制系统进行故障检测与诊断,并对故障的原因、故障频率、故障的危害程度及趋势预测等的内容进行分析判断,为确诊故障点、及早采取维修、防护等补救措施提供科学的决策依据.故障检测和诊断技术(FDD)是近年来国际控制理论研究和实际应用的热点问题之一.这项技术已取得了许多应用成果,并被广泛应用于各种生产过程.主元分析是多元统计分析方法中常用的一类方法,主要是基于原始数据空间,通过构造一组新的潜隐变量以降低原始数据空间的维数,再从新的映射空间抽取主要变化信息,提取统计特征,从而构成对原始数据空间特性的理解.该文针对过程系统控制中存在的大量测量传感器,深入研究了基于主元分析(PCA)方法的传感器故障的检测、辨识和重构问题.进行主元分析时,需要建立一个反映正常工况的主元模型.Hotelling T2和预测误差平方和(SPE—Squared Prediction Error)是主元分析中用于过程监视的两个典型的统计量.在主元模型下,应用T2和SPE对传感器测量数据进行检测,共有四种可能的检测结果.根据四种检测结果的特点,该文将传感器故障划分为两种类型:SPE型传感器故障和T2型传感器故障.针对不同故障类型,分别进行故障的检测、辨识和重构问题的研究.对于SPE型传感器故障的研究,当采样数据的检测统计量预测误差平方和(SPE)超限,则被检测为故障数据,并根据这一检测特点,定义传感器有效度指标进行SPE型传感器故障的辨识.根据故障重构后SPE将减小到最小的特点,从而完成了故障传感器的准确重构.并在故障重构的基础上,根据未重构误差方差向主元子空间(PCS)投影得到的值单调递增,而向残差子空间(RS)投影得到的值单调递减的特点,研究了求取最优主元数的方法.对于T2型传感器故障的研究,该文创新性地将故障临界值与传感器变量的相关系数结合,完成了当采样数据的检测统计量T2超限而SPE未超限时,是T2型传感器故障还是正常过程扰动的检测.另外,采用改进PCA方法,应用两个新的检测统计量替代PCA中统计量SPE,并在SPE型传感器故障辨识、重构理论基础,成功地完成了T2型传感器故障的辨识、重构.本文的创新之处在于对T2型传感器故障的研究,通过细致分析,从而进一步丰富和完善了基于PCA方法的故障检测理论,并将研究结果应用于化工生产过程的实验中,取得了较好的效果,充分证明了理论方法的合理性与有效性.