瓦斯抽采监控系统主要用于煤矿瓦斯的监测、计量和确保煤矿开采的安全,是落实“先抽后采、监测监控、以风定产”十二字生产方针的重要保障。由于环境恶劣,因传感器或传输故障导致的精度下降和数据异常是监控系统中的典型问题,该问题会引起系统监测计量不准确,甚至造成安全生产事故。因此,对瓦斯抽采监控系统进行传感器数据异常诊断具有重要的实际意义。作为煤炭安全生产河南省协同创新中心重点科研攻关项目“豫西—‘三软’—突出煤层瓦斯高效抽采集成技术研究”的子课题,本文以郑煤集团某矿的瓦斯抽采监控系统为研究对象,依据不同区域的数据相关性,重点研究了以下内容:针对现有管网监控系统专家子系统中关联分析法的单一性和检测效率低等问题,提出了基于主元分析法(Principle Component Analysis,PCA)的传感器故障诊断方法,重点研究了PCA建模方法、三类检测统计量指标的灵敏性和故障源定位,并通过实验验证了该方法在管网监控系统传感器故障诊断中的有效性。根据泵房监控系统抽放泵监控变量间的非线性关系,提出了基于核主元分析(Kernel Principle Component Analysis,KPCA)的泵房监控系统传感器故障检测方法并建立了KPCA传感器故障检测模型,通过仿真实验对PCA方法和KPCA方法进行了比较研究,验证了KPCA方法的有效性。针对以往KPCA应用中故障源识别方案复杂、效率低等问题,改进并提出了一种均方贡献值识别法。该方法利用均方贡献值定位故障源变量,适于在线运行,并针对定位指示的不稳定性,采用一阶惯性滤波获得了稳定的表征指数,提高了故障识别效率。仿真数据实验和现场历史数据实验证实了所提方案的有效性。