系统长时间高负荷持续运转、复杂的环境及许多无法预料的原因,使得对象常会出现各种类型的故障。同时,随着大型自动化系统的功能日渐完善化、结构日趋复杂化,对其建立较为精确的模型也变得越来越困难。为此,本文以提高对系统监控性能为目的,以能获得的海量数据为基础,利用相应的数学理论并结合工程实际,建立了几种新的故障检测与诊断方法。进一步发展和完善了基于数据驱动的异常监控理论体系,为其在实际中的应用打下了更加扎实的理论基础。本文开展的研究工作及所取得的创新性成果,不仅具有广泛应用前景,而且有重要的科学意义。论文以多变量统计特征提取为主线,利用小波分析、空间投影、矩阵谱分解、相关分析等数学理论或方法,开展基于数据驱动的多尺度故障检测、知识导引的数据驱动多故障诊断和故障传播等内容的研究。主要研究工作如下:1.基于矩阵的谱分解、信号的多尺度变换及谱的多尺度表示,提出一种拟多尺度主元分析方法,从机理上分析了多尺度检测方法优于传统单尺度检测方法的内在原因。并建立了一种拟多尺度相对主元分析异常检测算法。2.针对主元分析所呈现的模式复合问题,引入指定元分析(DCA)方法,建立了DCA的空间投影框架,完善和发展了DCA理论。提出了一种逐步DCA分析算法,并开展了其在指定模式非正交情况下的多故障诊断问题研究。3.针对微小故障诊断、未知类型故障诊断问题,分别建立了基于DCA的多级微小故障诊断算法和扩展DCA未知故障诊断算法。4.提出了一种基于DCA的故障传播关系分析方法。通过输入/输出指定元间的相关性分析,确定故障传播关系矩阵用以追溯故障根源。建立了输入/输出指定元回归模型,实现对输出子系统故障影响强度的预测。5.开展了上述部分方法在船舶主柴油机故障检测与诊断中的应用研究。