该文针对非线性系统故障检测和诊断的方法和一些实际中特殊问题的故障检测和诊断做了较为深入的研究,主要完成了以下的工作:在阅读大量国内外参考文献的基础上,归纳总结了国内外故障诊断领域的众多专家学者当前的研究成果,以及故障诊断方法实际应用的现状和当前研究的热点问题;研究了一类线性部分已知,非线性部分未知的非线性系统的故障检测问题,提出了基于观测器的故障检测方法.其中,利用小波神经网络的逼近特性,估计系统中的非线性部分,从而能产生用于故障检测的残差信号,解决了这类系统的故障检测问题;进一步研究了非线性系统故障检测和诊断问题,提出了基于神经网络观测器的故障检测和诊断方法.该类系统不需要满足匹配条件且状态不可测.不仅能及时检测到故障的发生,而且利用神经网络的逼近特性,能在线逼近故障的形态和大小;考虑到建模误差、扰动及噪声的存在,围绕着如何消除这些因素的影响,尤其是建模误差的影响,减少误报率,提高正确检测率,分别提出了基于"死区"算子观测器和滑模观测器的两种鲁棒故障诊断方法.其中,神经网络用来估计系统中的故障部分,这样,两种观测器不仅能实现故障的鲁棒检测,还能在线估计故障的大小和形态.研究了过程变量比较多,信息量大,相关性强,又可分为多个阶段的过程的故障诊断问题.为了提高监测的精度和故障诊断的性能,利用主元分析(PCA)技术降维的特点,结合SOFM网络分类的特性,提出了一种多PCA过程监测和故障诊断方法.上述方法均做了仿真研究,进行了验证.结果表明上述方法为非线性系统的故障检测和诊断提供了有效的手段.