本發(fā)明提供一種基于智能核主元分析的工業(yè)大數(shù)據(jù)故障診斷方法，涉及故障監(jiān)測(cè)與診斷技術(shù)領(lǐng)域。該方法通過(guò)采集電熔鎂爐熔煉過(guò)程中的圖像、電流等數(shù)據(jù)，異構(gòu)建模大數(shù)據(jù)池，對(duì)數(shù)據(jù)池中的樣本進(jìn)行智能核主元分析，得到分類(lèi)器判別矩陣的最優(yōu)解，建立初始監(jiān)測(cè)分類(lèi)器模型，采用平均即使風(fēng)險(xiǎn)逼近批量學(xué)習(xí)的批量風(fēng)險(xiǎn)的方法更新初始監(jiān)測(cè)分類(lèi)器模型，由更新后的監(jiān)測(cè)分類(lèi)器對(duì)新采集到的異構(gòu)后的數(shù)據(jù)進(jìn)行分類(lèi)標(biāo)記，求得結(jié)果圖，通過(guò)結(jié)果圖即可判斷新采集的數(shù)據(jù)是否發(fā)生故障。本發(fā)明建立了生產(chǎn)流程的物理化學(xué)變量和圖像聲音視頻的大數(shù)據(jù)池，實(shí)現(xiàn)結(jié)合多個(gè)信息源的互補(bǔ)信息，發(fā)現(xiàn)數(shù)據(jù)源之間的關(guān)聯(lián)關(guān)系，以達(dá)到降低誤報(bào)警率、提高故障檢測(cè)的準(zhǔn)確性的目的。