摘要：随着科学技术的发展与进步,实际控制系统的处理能力与现代化水平逐渐提高,整体系统的规模与投资、复杂度越来越高,一旦复杂大系统发生故障,会直接造成巨大的财产损失和人员伤亡。因此过去的几十年中,故障诊断问题得到了国内外学者的广泛关注。2001年Thomas P Minka提出一族新的近似贝叶斯推理算法,他指出贝叶斯推理的首要计算任务就是数值积分,而应用贝叶斯方法最大的障碍就是计算代价过大。因此,他提出一族新的贝叶斯近似推理算法Expectation Propagation,相比之前的推理算法更快更准确,计算量更小。运用期望传播算法结合已有理论进行故障诊断对提高故障诊断效率、改进已有故障诊断方法具有重要的理论意义和现实意义。根据期望传播算法相关理论,本文提出一种新的处理故障诊断的方法,即期望传播框架下的扩展卡尔曼平滑(Expectation Propagation-Extended Kalman Smoothing),并对基于EP-EKS的故障诊断方法进行研究。本文主要工作有：1.根据期望传播算法(EP)及相关理论提出一种新的故障诊断方法,即EP框架下的扩展卡尔曼平滑(Expectation Propagation-Extended Kalman Smoothing)故障诊断方法,从理论上详细阐述了EP-EKS故障诊断方法的原理。2.采用传统的扩展卡尔曼滤波(Extended Kalman Filter)、无迹卡尔曼滤波(Unscented Kalman Filter)和我们本文新提出的EP框架下的扩展卡尔曼平滑(Expectation Propagation-Extended Kalman Smoothing)结合残差向量法进行故障诊断,用一维非平稳增长模型(Univariate Nonstationary Growth Model)作为研究对象,通过设置系统参数在过程中发生跳变模拟故障。仿真结果表明,对于小范围跳变系数的故障EKF与UKF无法达到故障诊断的目的,而EP-EKS可以准确诊断；对于同样的故障,EP-EKS的诊断结果在准确度、精度以及时效性都优于EKF、UKF,提高了故障诊断的效率。3.为了更好的验证该方法的理论可行性,我们采用水位/温度控制系统作为研究对象,通过设置开关参数发生跳变模拟故障。由于EKF的应用原理是局部线性化,在非线性点采用其一阶导数进行近似,而我们所应用的水位/温度控制系统观测方程存在不可导点,因此我们换用基本的粒子滤波替代。我们同样采用UKF、 PF (Particle Filter)和EP-EKS结合残差向量进行故障诊断。仿真结果表明,UKF、PF和EP-EKS均可以达到故障诊断的目的,综合准确度、精度和时效性来看,EP-EKS要优于之前两种算法,提高了故障诊断的效率。结果表明基于期望传播算法的故障诊断方法对给出的模型进行故障诊断是可行的,并且通过引入期望传播算法可以到达提高效率的目的,这些工作都为以后期望传播算法的研究尤其是故障诊断方面的研究提供了参考。