铝电解工艺流程复杂且工作环境恶劣，在强磁场、强电场和高温等外界因素的相互影响下形成了复杂多变的槽况类型。很多异常槽况的发生会影响原铝质量、铝电解效率、铝电解槽寿命，危害到整个系列铝电解槽的正常运行，甚至会引起严重的安全事故。因此研究铝电解故障诊断方法对于铝电解槽正常运行具有重要的实际意义。　　本文在总结国内外铝电解故障诊断研究的基础上，对铝电解过程中的常见故障进行了深入分析，利用数据驱动方法对铝电解系统中记录的测量参数进行分析，提取各种铝电解槽状态下的特征。　　阐述了基于主元分析和核主元分析故障诊断的基本理论，分别采用Hotellings T-squared、平方预测误差和综合指数统计量对铝电解过程中的冷槽、热槽两种异常槽况进行识别，并利用贡献图法对故障源进行了深入分析。实验结果表明核主元方法的故障识别效果更好。　　针对支持向量机多分类扩展方法应用于故障诊断中存在问题，提出一种基于类间可分性的有向无环图支持向量机结构优化策略，根据各分类器的准确度得到最优的决策结构，同时采用不同系列的小波函数对槽电压进行分解，将提取的各频段能量值和8个测量参数、2个时域特征量作为支持向量机的输入。结果表明本文所提出的优化方法能够准确地对阳极异常、针振、铝液波动三种不同异常槽况进行识别，较其它扩展方法具有更好的诊断效果，分类精度达到95%以上。