为了在没有任何历史故障信息的情况下定位真正的故障变量，研究了KNN在化工生产过程故障定位中的应用。首先利用局部离群因子（LOF）算法剔除原始数据中的离群点，将剩余数据作为训练数据建立KNN模型；然后计算待检测数据的检测指标，将其与控制限对比进行故障检测。最后，对检测出的故障计算训练数据基于KNN的变量贡献，利用核密度估计确定定位指标的控制限。对测试数据计算变量对定位指标的贡献，对所求的贡献矩阵进行量化，画出故障定位图。将该方法用于数值例子和TE过程，仿真结果说明该方法可以对故障进行准确定位，证明了其有效性。