随着技术的进步和工业化进程提高,工业生产对自动化系统的需要越来越高,其安全性和稳定性受到广泛关注。如何实现动态系统的故障追踪、检测和故障值估计是研究热点。故障检测分为观测器设计、故障检测、故障隔离、故障值估计等步骤。现阶段,虽然关于动态系统的的研究得到了一定进展,但仍存在一定限制和困难。因此,动态系统的自适应故障检测与隔离仍为重要的研究方向。本文针对线性、非线性动态系统的故障检测问题展开了研究,从动态系统故障估计的基本理论出发,对比区间参数法、自适应观测器法等故障检测法,建立成熟的动态系统故障估计流程。论文的主要工作如下:首先,通过调研国内外故障诊断相关文献,确定本文的主要研究方向为故障检测研究、故障隔离研究及故障值估计研究。常见的故障诊断方法分为三类:解析模型法、信号处理法、知识估计法,针对其故障诊断基本原理进行研究,建立了全面系统的故障诊断知识体系,为下一步设计合适的故障观测器,进而实现故障检测、故障隔离、故障值估计进行知识储备,打下理论基础。其次,针对常规自适应故障检测算法存在的限制,本文通过推导检测算法稳定性条件,提出了改进的自适应故障诊断算法,该算法对动态系统故障诊断的计算效率和精确程度都有提升。并在证明算法稳定性时,通过数学变换实现了等式约束条件到不等式约束条件的转化,增加了算法的稳定性,进一步提升了自适应故障检测算法的实用性并扩大了其应用范围。再次,针对存在未知扰动的非线性系统状态估计和故障诊断,提出了一种最优非线性观测器,其自适应稳定性以及最优观测器增益、收敛时间由李雅普诺夫（Lyapunov）稳定性性理论与神经网络对哈密顿-雅可比-贝尔曼Hamilton-Jacobi-Bellman（HJB）方程的近似求解来保障。在此基础上,建立单连杆机器人系统的仿射非线性方程,结合所提的最优观测器实现对于单连杆机器人的状态估计和故障检测与隔离（FDI）。通过仿真验证,表明了本文所提方法能准确追踪故障发生并估计故障值大小,具有较强的实用性。最后,本文针对非线性闭环系统的微小故障诊断问题,提出了一种基于确定性学习（DL）理论的闭环不确定系统微小故障快速检测方法,构造了分别融入控制器与状态估计器中的两类神经网络,借助于神经网络对控制器及不确定性因素的学习,结合自适应故障诊断阈值,使得本文所设计的故障诊断方案能够在消除闭环反馈、不确定性影响的同时,具备对微小故障检测的最佳敏感性。针对单连杆机器人系统进行了仿真模拟,得到了快速有效的结果,拓展了算法的应用范围。论文所涉及的方法考虑了线性、非线性动态系统,算法改进从计算效率、精确程度、稳定条件等方面出发,对不同动态系统进行了测试,具有相当的理论基础和一定的实用性,具备较好的开发潜力。