控制回路故障诊断旨在提高工业生产装置操作的安全性与可靠性，一直受到学术界与工业界的广泛关注。工业过程控制回路涉及多种复杂问题，其故障可能存在多种形式。论文研究控制回路中模型预测控制(MPC)的模型失配故障、回路振荡故障，以及基于数据驱动的贝叶斯故障诊断。针对工业现场的实际问题，提出了外加测试信号的模型误差诊断，基于频域分析的回路振荡监测，和基于期望极大化(EM)算法的贝叶斯故障诊断方法。本文具体研究内容如下:　　(1)针对MPC模型失配问题，提出了基于外加低幅正弦测试信号的模型诊断方法。通过获取过程三个频率点上的精确频率响应并与当前MPC模型比较，加权形成模型误差矩阵;给出模型诊断误差上界概念，估计相应频率响应的误差上界，评价诊断结果的可靠性。在单回路和多回路控制系统仿真实验中效果良好，将算法开发形成可调用程序，准备应用于实际工业系统。　　(2)针对控制回路中常见的回路振荡故障，提出了基于频域分析的回路振荡信号监测方法。该方法应用了离散傅里叶变换和瑞利分布的相关性质，计算不同灵敏度条件下的振荡监测阈值。通过仿真数据和实际数据验证了所提方法能在高噪信比环境下监测多种频率振荡。　　(3)针对控制回路中监测器数据缺失情况，提出了基于EM算法的贝叶斯故障检测与分离方法。在EM算法的迭代优化步骤中给出了解析表达式使得计算简化。仿真验证环节中引入单容水箱例子和分馏塔控制例子用于方法验证。最后将基于EM算法的故障诊断方法与模型诊断算法相结合实施于实际实验室装置，进一步验证了所提方法的实用性。　　在所提方法中，模型误差诊断与回路振荡监测作为两种不同的故障监测器应用于控制回路;基于EM算法的贝叶斯诊断将多种故障监测器的结果协调统一，形成控制回路全面诊断结果。通过相应的仿真实验、实验室装置测试以及工业数据验证，表明了所提方法的有效性和实用性。