为了提高不等长间歇过程故障诊断的性能,同时降低算法的复杂度,提出了一种基于统计特征的不等长间歇过程故障诊断算法。首先计算每个不等长批次的均值、方差、偏度、峭度和任意两个变量间的欧氏距离,并将这些统计特征组合成一个等长的特征向量;然后运用主元分析(PCA)进行过程监视。半导体工业实例的仿真结果表明,与传统的多向主元分析(MPCA)方法相比,基于统计特征的不等长间歇过程故障诊断算法的故障诊断率提高15%,故障检测时间减少了0.002 s,因此该算法具有很好的故障诊断性能。