该文主要针对化工过程的故障诊断方法展开深入的研究,主要包括故障检测方法、故障分类方法、过程信号趋势特征提取以及应用上述方法对美国Tennessee Eastman工厂的实际化工过程模型进行了故障诊断的仿真.最后针对化工过程故障诊断的专家系统的设计给出了一个总体指导性的框架.主要工作如下:1.给出了一种故障综合检测方法,结合统计学方法克服了大尺度下采用小波分析进行故障检测时不可避免的延迟现象.一般的故障检测方法是针对开环系统进行的,如果系统处于闭环状态下,故障往往会被系统的控制作用所掩盖,该方法由于采用了神经网络进行状态估计,所以在闭环作用下仍然可以检测到故障的发生.2.针对化工故障诊断中经常遇到的故障样本少的问题,该文采用支持向量机较好的解决了该问题,SVM的优点之一就是具有良好的小样本学习能力,并用化工企业中常见的旋转机械的故障诊断实例验证了这个优点.3.传统的三角形事件方法对趋势信号进行特征提取,得到的特征表达向量维数不固定,给后续的模式识别步骤造成一定的困难,使得很多方法不得不最后求助于隐马尔可夫链等不需要维数固定的特征表达.该文提出了扩充的三角形事件方法,采用划分区间的方法,得到了固定维数的特征表达式,并采用了一个经典算例验证了其有效性.4.针对美国Tennessee Eastman工厂的实际化工过程模型,该文结合上述方法,进行了故障诊断研究,给出了一种综合方法.该方法可以在故障发生发展的时候,信号还在波动变化的过程中就可以对故障进行模式识别,避免了通常情况下要等到故障干扰下系统进入稳态才可以进行诊断的缺点,有利于更早的发现故障并及时给予排除,实现了故障的早期侦破.而且该方法对不同的故障幅值和不同工况下的故障都可以正确的识别.5.结合化工过程的特点,给出了一个故障诊断系统的整体设计框架,提出了变工况故障诊断的思想,并对故障诊断系统在化工生产中的作用进行了探讨.