基于主元分析的过程监测和故障检测方法是将过程数据向量投影到两个正交的子空间(主元空间和残差空间)上,并分别建立相应的统计指标T2和Q进行统计分布检验,以判断过程的运行状况。通常,Q统计指标对于故障情况反映比T2统计指标敏感,因此,主元分析常使用残差空间中的Q统计指标作为故障检测指标。然而,Q统计指标仍然存在一定的保守性,对于系统中幅值较小的故障已及微小的异常情况检测效果不佳。王海清给出一种方法希望可以削弱Q统计指标的保守性从而改进Q统计指标对微弱故障的检测效果,将Q统计指标分解为两个新的统计指标PVR和CVR,希望可以获得更多的过程信息,该方法预计可以提升主元分析方法的故障检测性能,然而,本文通过数据仿真以及定义推导发现这两个新的统计指标的控制限定义存在缺陷,以至于对正常工况都会有过多的误报。本文按照这两个统计指标的定义参考Q统计指标的推导过程,从统计学的角度重新推导新统计指标的控制限,并通过数值仿真对这两个新的统计指标在新的控制限下的故障检测性能进行检验,取得了很好的检测效果,比较并验证了新统计指标较原统计指标更为合适。同时,本文将改进后的主元分析方法与递归主元分析方法相结合,并将其应用于火电厂的热工过程稳定性检测中,取得了较好的效果。