随着现代工业自动化设备中计算机技术与传感器技术的快速发展和广泛应用,基于数据驱动的故障诊断方法也获得了进一步的发展。现代化自动化设备通常配备了很多电子测量的设备,因而可以从这些设备中获得大量有益于故障检测的过程数据。通过学习和分析这些过程数据,能够及时有效地分析和判断出设备工作过程的出现的故障,从而降低一些异常和事故的发生率。因而基于数据的故障监测方法在工业生产过程中变得至关重要。由于实际工业过程数据的非高斯性、非线性和时序性,本文提出一种基于改进的动态核核独立元分析方法;由于实际工业过程标记数据较少,存在大量的未标记数据,本文提出基于先验知识正则项的故障监测方法。具体研究如下:(1)为了解决工业过程出现的数据非高斯性、非线性和时序相关性问题,本文提出一种基于改进的动态核独立元分析方法。首先,通过对自回归模型中测量矩阵引入时滞参数得到一个适用于动态系统的增广矩阵;然后,选择核函数,计算核矩阵,将增广矩阵映射到高维空间进行白化;最后,利用改进的快速ICA方法提取出独立元实现对新的测试数据进行在线监测。仿真结果表明,本文提出的该方法具有很好的效果。(2)为了解决实际工业过程出现的数据标记信息少,未标记信息大量存在的问题,本文提出基于先验知识正则项的故障监测方法。首先,利用已经通过专家经验知识标记的数据和未标记数据构建训练样本;然后,利用本文提出的基于先验知识正则项构建决策函数并建立离线模型;最后,利用已经构建好的离线模型对对测试数据进行在线监测。仿真结果表明,本文提出的该方法具有一定的故障区分能力和抗扰动能力。