复杂工业过程一旦发生事故,不仅会影响生产的可靠运行还可能会造成人员和财产的巨大损失。随着对生产过程的安全性和可靠性要求的提高,故障诊断及故障预测技术受到人们的关注,己成为国内外过程控制领域的的热点研究方向之一。近年来,随着现代社会对多品种、多规格和高质量产品更迫切的市场需求,工业生产更加倚重于生产小批量、高附加值产品的间歇过程。间歇生产的安全可靠运行以及产品的高质量追求已成为人们关注的焦点。基于数据的多元统计分析技术因其在处理高维、高度耦合数据时具有独特的优势,越来越受到研究人员和现场工程师的青睐。间歇过程的统计建模、在线监测、故障诊断及预测已成为广泛的研究课题。本文以间歇过程为研究背景,在深入研究主成分分析(PCA)方法和Fisher判别分析(FDA)方法的基础上,提出了一系列具有实际应用价值的间歇过程故障诊断及故障预测方法：1.在深入研究间歇过程时段特性的基础上,利用主成分个数以及负载矩阵变异方向的不同,提出了一种基于多向主成分分析(MPCA)的间歇过程时段识别及故障诊断方法。该方法能够实现间歇过程稳定时段和过渡时段的自动识别,并针对稳定时段和过渡时段不同的数据特征建立统计模型,实现在线监测及故障诊断。2.针对MPCA方法故障诊断的弱点,研究了利用正常数据及故障数据共同建模的FDA方法对间歇过程的故障诊断。首先针对故障数据不充分的情况,提出了基于Bootstrap的子时段递推多向Fisher判别分析(RMFDA)故障诊断方法,弥补了数据不足带来的弊端,取得了良好的故障诊断效果。针对非线性较强的间歇过程,提出了递推核Fisher判别分析(RKFDA)的故障诊断方法,有效的实现了非线性过程的故障诊断。3.针对间歇过程缓变故障的预测问题,提出了基于Fisher特征向量差异度的缓变故障预测方法。通过建立Fisher特征向量差异度统计量的时序模型,预测未来批次的统计量值,并将其与控制限对比,有效的实现了间歇过程的缓变故障的预测。4.结合前面提出的故障诊断及预测方法,提出了故障诊断系统的总体结构框架及主要功能,设计并开发了基于PCA方法和FDA方法的注塑成型故障诊断平台,用于各种故障诊断算法的验证、完善与实施。上述算法在间歇过程实验系统及仿真研究中验证了其有效性与可靠性,从而丰富了间歇过程统计建模、在线监测、故障诊断及故障预测的研究成果。开发的平台不仅可以应用于注塑成型过程,也可在其他复杂工业生产过程中推广应用,具有重要的实际意义。