k近邻故障检测(fault detection based on k nearest neighbors,FD-kNN)方法能够提高具有非线性和多模态特征过程的故障检测率.由于系统故障通常由潜隐变量异常变化引起,而该类型故障并不能被观测数据直观表现,因此直接在观测变量上执行FD-kNN方法,其故障检测率降低.本文旨在提高FD-kNN方法针对潜隐变量故障的检测能力,提出基于独立元的k近邻故障检测方法.首先,通过对观测数据应用独立元分析(independent component analy-sis,ICA)方法,获得独立元矩阵;接下来在独立元矩阵中应用FD-kNN方法进行故障检测.这等同于直接监控过程潜隐变量的变化,可以提高过程故障检测率.通过非线性实例仿真实验,证明本文方法检测潜隐变量故障是有效的;同时,在半导体蚀刻工艺过程的仿真实验中,与主元分析(principal component analysis,PCA)方法、核主元分析(kernel principal component analysis,KPCA)方法、基于主元分析的k近邻故障检测(principal component-based k nearest neig-hbor rule for fault detection,PC-kNN)方法和FD-kNN方法进行对比,实验结果进一步验证了本文方法的有效性.