摘要：為了更加準確地對復雜工業生產系統進行故障判斷,使生產系統更加穩定地運行,采用了改進的主元分析(Principal component analysis,PCA)方法及數據重構對工業過程進行故障診斷研究。采集工業系統正常和故障狀態時的數據,將傳統的PCA算法中平方預測誤差(Squared prediction error,SPE)統計量分成兩個,分別為主元顯著關聯的檢測殘差變量(Principal-component-related variable residual,PVR)和一般變量殘差(Common variable residual,CVR)對系統進行故障判斷。為了使系統在檢測出故障之后盡量減少故障數據對系統的影響,又進一步應用數據重構方法,將故障數據重構成正常數據,并采用有效度指標進行驗證。在故障發生的過程中對故障部分進行檢修和排除,把生產系統受到故障的影響降到最低。改進的PCA方法和數據重構方法運用田納西—伊斯曼過程的數據驗證,使故障的檢測結果更加準確,保證了生產系統的正常運行行。