基于数据驱动的流程工业故障检测、诊断与预测是提高过程安全、保证产品质量必须解决的关键科学问题。现有的基于数据的故障检测与诊断技术所采用的过程数据都是基于时间同步的,即一个生产过程所有设备中的不同测量变量拥有相同的时间坐标。考虑流程工业的特点,从物料流的角度,经过时间同步的过程数据意味着,下游设备中测量数据所携带的信息具有一定的滞后特性。信息的滞后直接导致现有故障检测与诊断技术难以在故障发生早期作出准确及时的预警。本文为了克服数据的时间同步采集问题,提出了一种基于信息同步的数据校正技术,在此基础之上实现一种故障预测方法,具体成果包括以下四个方面。⑴运用时延互信息方法,提出一种信息传递方向与信息滞后时间的定量计算方法;提出一种时延符号有向图模型,以便描述复杂工业过程中高维测量变量间的信息传递方向与时滞大小。⑵在时延符号有向图模型的基础上,对生产过程数据作时序校正,结合时间序列预测与神经网络方法,构建非线性时间序列预测模型,预测过程变量的未来变化趋势。⑶将时延符号有向图、非线性时间序列预测模型与多元统计方法相结合,提出一种在线故障预测方法。经过信息同步校正后的过程数据,从本质上保证了基于数据的故障检测与诊断方法具有了良好的故障预报能力。⑷针对空分设备制氩系统频繁出现的氮塞故障,本文应用上述提出的信息同步与故障预测方法,实现了平稳工况以及变工况条件下氮塞故障的准确预警。