在工业过程中,有效的过程监测与故障诊断是保证生产安全、提高产品质量和经济效益的关键。而随着工业技术的发展和计算机在工业上的广泛应用,使得人们能够存储大量的工业现场数据作为历史资料来指导生产和实践。因此,如何充分利用这些数据的深层次信息,提高过程监控能力,已经成为目前过程控制领域的一个非常重要的研究方向。本文以注塑成型过程为背景,在总结和概括基于多元统计分析的故障诊断方法发展状况的基础上,对基于Fisher判别分析(FDA)的故障诊断方法进行了系统、深入的研究,论文的主要工作包括：针对FDA方法在类别数目过多时判别效果不理想的问题,提出了一种基于决策导向无环图(DDAG)的FDA故障诊断方法。DDAGFDA方法是将正常工况和已知故障的历史数据两两组合,结合决策导向无环图和核密度估计求出的相关统计量的控制限实现故障诊断,通过对实际注塑过程生产数据的仿真表明此方法具有良好的故障诊断性能。为了实现各种统计方法在注塑成型过程中的应用研究,以C#为主要开发工具,设计并实现了基于FDA方法的注塑过程故障诊断平台。论文给出了平台的总体结构及基于该方法的模型配置数据库和历史数据库。通过离线平台可以选取建模数据并生成相应的模型参数。通过故障诊断平台,可以实现对历史数据及在线实时数据的故障诊断,同时会显示出注塑系统故障信息统计结果,为现场工作人员维护和维修机器提供一定的参考意见和理论依据。