主元分析（PCA）被广泛应用于多传感器系统的故障诊断当中。然而，PCA只适合于分析故障或干扰仅存在于某一固定尺度的情况。实际当中，工程数据往往是多尺度的。因此，本文提出了将多尺度主元分析（MSPCA）法应用于传感器的故障诊断当中。MSPCA综合了PCA去除变量间关联、小波分析提取变量特征的优势，能检测出不同尺度/频率下的故障。仿真实例表明：与PCA方法相比，MSPCA方法在进行故障检测时效果更好。

关于流程工业故障诊断方面的基本算法，其中包括小波变换算法，vb 与 matlab通信方法以及主元分析方法。

本文在总结国内外工业过程故障诊断技术现状的基础上，对其中较为重要的 主元分析、部分最小二乘等关键技术进行了深入的研究，对传统的主元分析和判 别式部分最小二乘进行了改进，具体包括： 1. 利用主元相关变量残差和一般变量残差来代替 Q 统计量，解决了过程运行 中出现某些故障类时，传统主元分析模型 2 T 与Q 统计量持续时间过短的问题，为 操作工人提供更加准确详细的信息。 2. 利用小波的多分辨率特性对含噪信号进行多尺度小波变换，在各尺度下尽 可能提取出信号的小波系数而去除属于噪声的小波系数，再由

针对级联多电平逆变器的故障诊断问题,提出了一种基于小波包变换-主元分析-神经网络算法的故障诊断方法。首先,通过小波包变换对故障信号进行多尺度小波包分解,并重构提取小波包能量作为故障特征向量;然后,采用主元分析方法提取主元信息以降低故障特征的维数;最后,利用BP神经网络进行故障分类和识别。通过仿真实验,验证了该方法相对于传统方法具有更高的故障诊断和故障识别的准确率,并且对噪声具有较好的鲁棒性。