本发明公开一种基于PCA-KDR的故障检测方 法，为解决传统PCA模型中高斯分布假设问题。具 体来讲，本发明方法逐个假设测量变量数据缺 失 ，然 后利 用已 知数 据回 归( K n o w n D a t a Regression，KDR )预测出相应的主元估计值，最 后利用主元估计误差实施故障检测。因此，本发 明方法除利用PCA算法外，还是用了KDR这种回归 建模方法。而且，本发明方法不再局限于原始训 练数据的高斯分布假设。取而代之的是，无论原 始数据是否服从高斯分布，本发明方法监测对象 (即估计误差 )始终服从高斯分布。可以说，本发 明方法能显著提升传统PCA模型的故障检测能 力，是一种更为优选的数据驱动故障检测方法。
