随着生产水平和科学技术的不断发展，现代控制系统的规模日趋大型化、复杂化，现代工业过程对系统安全性、可靠性的需求日益提高。最近三十年来，故障检测与诊断(FDD)算法及其在工业过程中的应用受到了人们的日益重视。本文主要研究了含有不确定性的线性系统和非线性系统的鲁棒故障检测与诊断方法。主要内容如下： 首先，综述了动态系统故障检测与诊断技术的研究背景与发展现状。研究了基于Beard故障检测滤波器(BFDF)的故障诊断方法，该方法针对理想情况下的线性系统可准确地实现系统故障的检测和分离；其次研究了含有不确定性的线性系统的鲁棒故障检测方法，该方法改进了Beard故障检测滤波器方法，提高了故障检测的鲁棒性；最后进一步研究了故障特性的辨识与跟踪问题，探讨了一种利用神经网络对非线性故障模式进行在线逼近的鲁棒故障诊断方法。通过在线估计器和非线性滤波器实现了对故障的实时跟踪和估计，并对算法的鲁棒性、灵敏性和稳定性问题进行了分析。并且通过数字仿真验证了本文所研究方法的有效性。