随着科技的发展和社会需求的增长,流程工业已成为国民经济发展的重要基础。然而,由于现代工业生产系统日益复杂化,大型工业系统更容易发生重大安全事故。为保障工业生产过程能够长期稳定运行,及时地发现微小故障显得尤为重要。这些微小故障通常具有变化速度缓慢、突变特征不明显和易被噪声淹没等特点,不易被常规的方法检测出来。目前,微小故障检测的研究刚刚起步。因此,对微小故障检测的研究具有重要的理论意义和应用价值。本文的研究工作如下:（1）针对微小故障幅值特征不明显、易被干扰和噪声淹没的特点,提出了一种基于数据特征向量缩放的分数阶傅里叶变换微小故障检测方法。首先,对微小故障数据的特征向量进行缩放,放大故障数据的方差,突出微小故障的主要特征。然后,对经过特征向量缩放的微小故障数据进行分数阶傅里叶变换,将微小故障从特征不明显的时域变换到幅值变化最明显的分数阶域。最后,在分数阶域利用主元分析法对微小故障数据进行降维处理,提取主要的特征信息,完成检测。利用田纳西化工过程和青霉素发酵过程产生的数据集进行仿真实验,验证了该方法的有效性。（2）针对工业过程存在的非线性问题,提出了一种基于滑动窗口的分数阶傅里叶变换微小故障检测方法。首先,利用滑动窗口技术,通过将窗口内的采样数据产生的偏差进行累加,尽可能地放大微小故障数据的特征,使其达到易被检测的程度。然后,将经过滑动窗口处理的微小故障数据进行分数阶傅里叶变换,使微小故障的幅值特征更为明显,同时过滤一部分高频干扰信号。最后,针对化工过程数据非线性的特点,采用核主元分析法,将线性不可分的数据映射到线性可分的高维空间,在高维空间完成检测。通过将该方法应用到田纳西化工过程和青霉素发酵过程的故障检测中,验证了该方法对微小故障检测是有效的。最后,对本文提出的微小故障检测方法进行了总结,指出了相关研究存在的问题和接下来的研究方向。