工业生产中的故障诊断技术越来越受到生产人员的重视,能够引发关键参数变化的故障更是需要重点关注,这一领域被称为质量相关故障诊断。多元统计故障诊断技术中的偏最小二乘法(PLS)在质量相关故障诊断中表现出卓越的效果,近年来受到学者的广泛研究。但标准的PLS并不能直接应用于质量相关故障诊断,其当前存在的修改方法也存在一定问题。本文在前人研究的基础上,提出了一种后处理PLS的质量相关故障诊断算法KPI-PLS;同时,考虑当数据中存在离群点时,对所提出的KPI-PLS算法进行了改进。主要内容如下:本文介绍了当前故障诊断技术的分类及各自的优缺点。按照前处理PLS和后处理PLS的分类,归纳总结了当前基于PLS的故障诊断算法研究现状,并单独归纳了前处理PLS中离群点PLS的研究发展历程。本文在前人的T-PLS和IPLS的基础上,解释了标准PLS的过程变量空间划分的含义,介绍了标准PLS各子空间与质量变量之间的关系,指出其在质量相关故障诊断上的不足之处。PLS的残差空间中仍包含质量相关的信息,而当前质量相关PLS修改算法没有正确处理这部分信息。在保证故障诊断逻辑简洁性的基础上,本文提出了一种质量相关空间划分更加合理的PLS故障诊断方法,称为KPI-PLS。通过在数字例子和TE过程上仿真,并与IPLS对比,验证了 KPI-PLS的正确性和有效性。本文将处理离群点问题的PLS修改算法MPRM与上述KPI-PLS算法结合,提出了过程数据带离群点时的质量相关故障诊断算法KPI-APLS,并在TE过程上进行仿真对比验证。