随着半导体技术、制造工艺、通讯技术和网络技术的飞速发展,现代工业生产自动化水平日益提高,控制系统复杂程度随之加大。生产过程中的各仪表测量值是否能准确反应生产过程的状态,对于工业生产过程的安全性,控制系统的可靠性,保证工业产品质量有着至关重要的作用。工业仪表作为控制系统的关键部件之一,由于其材料工艺,制造生产技术以及工作环境等因素,工业仪表在整个控制系统中较容易发生故障。快速、准确检测出仪表故障并采取相关的正确策略,是保证控制系统稳定运行、消除生产安全隐患的关键,具有十分重要的意义。本文针对生产工业过程中多仪表的具体情况,采用基于数据驱动的故障检测方法,实现了对生产工业过程中多仪表的故障检测,并将所研究方法应用于Tennessee Eastman仿真平台,模拟不同的仪表故障信号,对检测结果进行对比分析。本文的主要工作如下：1)针对工业生产数据并不符合高斯分布这一特殊的数据分布情况,并结合生产过程中多仪表的状况,引入了基于独立元分析的故障检测方法。通过对历史正常数据进行分离提取源信息,建立故障检测模型,并通过核密度估计的方法确定控制限,实现了多仪表故障检测。通过与基于主元分析的故障检测方法进行比较分析,验证了基于独立元分析的故障检测方法更适于工业生产过程中的仪表故障检测。2)针对工业生产数据中存在的高斯源信息和非高斯源信息,以主元分析法和独立元分析法为主要理论依据,通过对工业生产过程数据不同信息的提取和分离,分别采用相应的分析方法,建立不同的故障检测模型。仿真结果表明,相较于采用单一的基于独立元分析的故障检测方法,将独立元分析法和主元分析方法结合使用具有更好的检测效果。3)在基于贡献度的独立元子空间理论方法基础上,对子空间的故障检测模型进行完善。在仪表微小故障难以检测的问题上加以应用,根据不同的实际需求提供相应的故障集成检测策略。仿真结果基于贡献度的独立元子空间方法和完善的故障检测模型提高了仪表微小故障的检测效果,不同的集成策略更加具有灵活性和应用性。本文通过引入不同的故障检测理论方法对工业生产过程多仪表情况下的故障进行检测,对检测结果进行分析探讨。可以对工业过程多仪表的故障检测提供新思路。