随着自动控制技术的不断发展,火电厂控制系统的控制策略已日臻成熟,并形成了比较完善的体系。因此针对火电厂的控制理论应用研究正逐步向更高层次发展,其中一个重要研究方向就是火电厂控制系统的故障诊断。这是因为随着火电厂控制系统规模不断扩大和复杂性日益提高,控制系统故障点也随之增加并且更难以发现,这就对火电厂控制系统的可靠性、可维修性提出了更高的要求。传统的限幅报警和人工点检的方式显然已经满足不了要求,因此有必要研究火电厂控制系统的先进故障诊断技术。考虑到火电厂控制系统规模庞大结构复杂等特点,本文选用了一种不依赖数学模型的多元统计分析方法进行研究。使用了两个多元统计分析工具,即主元分析(PCA)和费舍尔判别分析(FDA),通过对过程数据的分析来实现对控制系统的故障诊断。其中着重使用PCA方法进行故障检测的研究,使用FDA方法进行故障分离和识别的研究,并将两种方法相互配合,构成完整的故障诊断系统。本文的主要工作包括以下几个方面:第一,分析了在火电厂控制系统故障诊断中应用多元统计方法的可行性和优越性。明确了基于多元统计分析的火电厂控制系统故障诊断的范围、对象和理论方法。第二,研究了火电厂控制系统在稳态条件下的PCA故障检测问题。着重分析了PCA故障检测的内涵,并给出了一个指导故障检测的结论。研究了PCA故障检测中的数据预处理问题,并结合实例给出了传感器和执行器的PCA故障检测方法。第三,针对火电厂生产过程存在的变工况特性,提出一种动态多主元模型的故障检测方法。它通过对主元模型组的模糊推理动态得到与检测工况相匹配的主元模型,解决了主元模型的工况适应性问题,改善了变工况条件下的PCA故障检测效果。第四,研究了火电厂控制系统的故障分离问题,提出一种基于FDA贡献图的新型故障分离方法。它保持了贡献图法简单易行的优点,同时提高了故障分离的准确度。第五,将FDA与模式识别思想相结合来进行火电厂控制系统故障识别的研究,提出一种结合FDA的DTW故障识别方法。它使用FDA作为故障特征提取工具,使用DTW作为特征匹配工具,对系统的时变特性表现出良好的鲁棒性,并有着较高的故障分辨率和识别精度。在研究过程中,充分利用现场实际数据对论文中提出的各种故障诊断方法进行了大量的实验研究,通过实验验证了这些方法的可行性和有效性。相比较原来仅通过Matlab平台下搭建仿真模型来进行仿真实验而言,现在的实验方式无疑更具实际意义。