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(Known Data 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。