随着大规模、高性能的现代生产系统的出现,如何切实提高控制系统的安全性能成为人们亟需解决的问题。故障诊断就是利用系统运行过程中的信息及时地发现故障,并采取相应的措施保证系统安全性和可靠性的一种技术。本文针对含有不确定因素的非线性系统,结合状态观测器、自适应控制、模糊逻辑、神经网络和遗传算法等理论研究了基于观测器的非线性系统故障诊断方案。主要的研究工作如下:首先,介绍了故障诊断技术的研究现状,系统地分析了目前故障诊断的主要方法,并对基于观测器的故障诊断技术进行了阐述。其次,基于未知输入观测器设计了一种针对含有未知干扰和执行器故障的非线性系统故障诊断方案。提出通过约束观测器的参数,实现未知因素解耦,设计降维未知输入观测器,进行非线性系统故障诊断的方法。然后,将智能算法引入到控制系统故障诊断中,提出了基于自适应模糊观测器的故障诊断方法。该方法利用自适应模糊系统对非线性高阶项进行补偿,设计系统的状态观测器,采用阈值逻辑实现了系统的故障检测,进一步利用RBF神经网络的逼近功能对故障实现了在线跟踪。最后,将具有并行搜索能力的遗传优化算法引入到自适应模糊系统中,对系统高斯型函数的隶属函数和连接权数进行优化,提出基于遗传优化的自适应模糊观测器的故障诊断方案。通过一个数值实例对该故障诊断方案的设计和性能进行了验证,仿真结果表明该方法对含有不确定因素的非线性系统的故障诊断是有效的。