随着科技水平的不断提高，尤其是在计算机控制领域的高速发展下，一方面使得系统的复杂程度和规模大幅度增加；另一方面如果有一些小的故障未能及时的在系统中检测出，将会造成整个系统的瘫痪、失效，甚至更严重的一些后果。因此，有待解决的一个重要问题是如何提高系统的可靠性、安全性，抑制和防止影响系统正常运行的故障的发生。本文针对故障诊断技术的特点，以TE过程为研究背景，采用了改进的聚类算法，在一定程度上提高了故障诊断系统的智能化程度。针对故障诊断的准确度问题，本文提出了一种基于小波变换与K均值（K-means）相集合的故障诊断方法。该方法在TE过程中进行应用，首先通过小波变换对数据去噪，再通过K-means进行聚类，和未经过小波变换的K-means算法相比较，在诊断精度方面，优于传统单一型聚类方法。针对故障诊断的快速性问题，本文提出增量聚类（Incremental clustering）的算法，节省了存储空间和运算时间，同时增加了诊断模型的适应性。实验结果表明，集合方法能有效实现过程监控，在诊断速度和适应性方面，优于传统聚类方法。针对故障诊断的有效性问题，本文采用了改进的粒子群（IPSO）和支持向量聚类（SVC）相结合的算法，并对TE过程出现的故障进行检测。实验结果表明，改进的粒子群（IPSO）算法比未改进的粒子群（PSO）算法收敛更快，更容易达到极小值，并且IPSO-SVC算法和SVC算法相比较，IPSO-SVC算法诊断效果更好。