基于多元统计分析的故障诊断方法是故障诊断领域的一个重要研究分支,主元分析(PCA)方法又是目前在工业过程故障诊断中应用最多的多元统计方法之一。然而,传统的主元分析(PCA)方法往往存在着明显的不足之处,例如在进行量纲标准化之后的数据往往是近似相等的,很难有效地选出具有代表性的主元。本文以传统PCA方法的思想为理论基石,以各种改进的主元分析方法为主线,在前人研究的基础上,对PCA方法进行了更加深入的探讨。本文主要致力于降低过程监控中的误报率方面的研究,主要内容如下：(1)对传统的主元分析(PCA)方法和现有一些基于传统主元分析(PCA)的改进方法以及小波分析基础知识和相对主元分析方法做了简单介绍。(2)为了寻找一种有效降低误报率的新方法,在自适应主元分析和相对主元分析(RPCA)的基础上,提出了自适应相对主元分析方法。并通过TEP过程对其进行了仿真试验,但是仿真结果并没有像预期的那样,使误报率有明显的降低,而是和现有的处理误报率的方法差不多,甚至比自适应主元分析的效果还要差。(3)在自适应相对主元分析的基础上,做了更深一步的研究,提出了基于小波的自适应相对主元分析方法。单纯的自适应相对主元分析方法之所以没有达到预期的效果,主要是因为,在对数据进行相对化变换时,为了方便主元的选取,人为的加入了比重因子,从而将数据中的噪声也加大了。采用小波去噪的理论将噪声去除以后,再利用自适应相对主元分析方法进行仿真试验,误报率有了明显的下降,从而证实了基于小波的自适应相对主元分析方法的有效性和可行性。