为了提高复杂化工过程中故障检测和分类能力，提出基于局部Fisher判别分析（localFisherdiscriminantanalysis，LFDA）的复杂化工过程故障诊断方法。首先计算训练数据的局部类内和类间离散度矩阵，寻找LFDA的投影方向；其次把训练数据和测试数据向投影向量上投影，提取特征向量；最后计算特征向量间的欧氏距离，运用KNN分类器进行分类。把提议的LFDA方法应用到TennesseeEastman（TE）过程，监控结果表明，LFDA的效果好于FDA和核Fisher判别分析（kernelFisherdiscriminantanalysis，KFDA），说明LFDA方法在分类及检测不同类的故障方面具有高准确性及高灵敏度的优势。