现代工业生产的自动化程度日益提高,生产过程也越来越复杂,传统的故障检测与诊断方法已经不再适用。为了及时、准确的诊断故障,避免生命财产损失及环境污染,急需提出行之有效的故障诊断新理论、新方法。基于数据驱动的方法能够适应大型工业过程故障诊断的要求,它不需要建立精确的数学模型,通过多元统计理论对过程数据进行分析即可为故障检测与诊断提供有效信息。本文以多元统计理论中的费舍尔判别分析为基础,结合核函数和独立成分分析提出了两种改进的费舍尔判别分析法。本文主要内容及成果如下:1.阐述了故障检测与诊断技术的基本概念及常用方法,并对基于多元统计理论的故障诊断方法的发展状况进行了综述。2.阐述了多元统计故障检测与诊断的基本理论,重点介绍了主元分析法和费舍尔判别分析法,并分别对其如何应用于故障检测与诊断进行了简要的描述。3.针对核费舍尔判别分析计算复杂的特点,提出一种改进的核费舍尔判别分析。通过特征样本选择能够降低核费舍尔判别分析的计算复杂度,引入余弦核函数可以改进原始多项式核函数的性能,引入最近邻特征线分类器能够提高模型的分类准确率。4.针对费舍尔判别分析假定数据服从正态分布的局限性,提出一种混合模型的故障诊断方法。首先通过独立成分分析获取观测变量的独立成分,然后对独立成分进行特征尺度核费舍尔判别分析,该方法降低了故障的错分类率,提高了诊断的性能。