钢铁行业是关系到国家安全和国民经济命脉的重要行业，高炉炼铁是钢铁行业中的一个非常关键的工序。高炉炼铁工序是在一个密闭的容器中进行的，发生的物理化学变化异常复杂，波动性大且随机性大，一旦发生事故，将造成巨大的生命财产损失。因此，对高炉进行故障识别，使其处于稳定安全的状态，有着十分深远的意义。本文提出一种新的高炉故障特征识别方法，该方法将稀疏矩阵分解算法应用到高炉故障识别当中。根据稀疏矩阵计算速度快和存储容量小的特点，使得故障识别速度在一定程度上得到了提升。论文主要工作如下：论文首先分析了高炉生产的工艺流程和高炉故障及征兆，研究了高炉故障诊断模型，高炉故障诊断模型主要包括混合动力学机理模型、炼铁工艺机理模型、炉况诊断的推理模型、系统优化模型、整体诊断模型，在此基础上，提出了一种新的高炉故障识别方法——基于稀疏矩阵的高炉故障识别方法，该方法包括：高炉故障输入特征量的预处理、输入量的模糊处理、模糊矩阵的建立、高炉故障特征识别、非负矩阵分解的数学模型研究、高炉故障诊断稀疏受限非负矩阵分解(NMFSC)算法研究，并进行了高炉故障识别仿真系统的研究。最后，进行了高炉故障识别系统的功能实现研究，包括：识别系统的设计、系统的测试与分析。论文将模糊矩阵同稀疏矩阵分解算法结合起来进行高炉故障识别研究，在高炉故障识别这一特殊领域，稀疏受限非负矩阵分解算法有较大的优势。该算法能有效提取故障特征，降低故障的误报率和漏报率，继而提高故障的识别率。实践表明：本论文研究的方法能够取得较好的识别效果，能够比较准确快速反映高炉内部的故障情况，为保障高炉正常生产提供有力的保障，使高炉能够安全、稳定、高效地进行生产，提高了高炉的生产能力，能够产生较大的生产效率。