化学工业是我国国民经济的支柱和基础产业，是制造业供给侧结构性改革的先行领域和绿色发展的主战场。然而，我国化学工业生产过程安全性与国际先进水平仍有差距，一个重要原因就是缺乏保障生产过程安全高效运行的化工过程故障诊断技术。厂级化工过程一般都是多相多物理场耦合的大规模复杂过程，机理建模困难。随着数据采集技术的发展，工业数据库中积累了蕴含过程信息的海量数据。因此，如何从海量过程数据出发，及时准确实现故障检测、故障定位、以及故障识别，已成为化工过程故障诊断迫切需要解决的基础共性问题。本项目针对厂级化工过程涉及的变量和操作单元众多、过程特性复杂多样等特点，从海量过程数据出发，深入研究了数据驱动厂级化工过程运行状态的简洁高效表征，创新提出了数据驱动厂级化工过程故障诊断基础理论。主要发现点有：（1）系统分析了厂级化工过程高维变量结构对过程故障可诊断性的影响，创新提出了基于变量结构特点的数据驱动子系统分割、以及针对复杂过程特性的分块故障诊断方法，形成了数据驱动子系统分割与分块故障诊断基础理论；（2）系统分析了经典多元统计故障诊断中冗余特征对故障可诊断性的影响，论证了信息富集与特征选择的必要性，创新提出了即时特征优选及故障信息强化的故障诊断方法，构建了数据驱动故障信息富集强化故障诊断基础理论；（3）系统分析了融合故障信息进行数据降维与模型精简的必要性，创新提出了故障信息监督的变量优选分布式故障监测、以及特征提取降维结合拓扑保留映射的可视化故障识别方法，构建了融合故障数据信息的厂级过程故障诊断基础理论。本项目面向应用基础研究发表工程应用型SCI期刊论文45篇，其中在IEEE TIE.、AIChE J.、以及J. Process Control.等控制工程和化工系统工程等工程与技术领域国际著名(JCR Q1、Q2)刊物发表37篇。8篇代表性论文SCI他引188次，总计他引310次，ESI高被引论文1篇。相关论文得到了国际知名故障诊断专家、美国南加州大学S. Joe Qin教授（IEEE/IFAC/AIChE Fellow），德国杜伊斯堡-艾森大学Steven X. Ding教授，中国自动化学会故障诊断专委会主任周东华教授（IEEE Fellow），IEEE TNNLS主编Haibo He教授（IEEE Fellow），加拿大工程院院士Biao Huang教授（IEEE Fellow），英国工程院院士Sheng Chen教授（IEEE Fellow），中国工程院院士柴天佑教授、钱锋教授等数十位著名学者的正面引用和积极评价。本项目的理论成果应用于上市公司彤程新材酚醛树脂生产过程、中国宝武集团连铸过程等工业装置的质量监测与故障诊断，形成系列厂级工业过程故障监测与诊断系统，保障生产过程安全高效运行。公开国家发明专利3件，登记计算机软件著作权1件。培养博士生5名，硕士生10名。