由于社会进步的需求,科学技术突飞猛进的发展,现代工业控制系统越发向复杂化、大型化的道路上稳步迈进,而在实际操作过程中,无论设计有多精密的系统架构,都有可能在运行时发生故障,导致系统局部或整体出现运行不安全、不稳定的情况。这就要求控制系统设计工程师在设计控制系统的时候从顶层考虑,确保系统整体体系在出现突发状况下,仍然能够以相对稳定的状态运行,给予工程师排除并解决突发状况的时机。因此,在设计控制系统的过程中,考虑系统的容错控制是十分必要的。对于一个控制系统,其组成单元,如传感器、控制器、执行器会分布在各个位置,在运行过程中,这些元器件会存在着信息传输时间滞后、乱序、甚至测量丢失等问题。这些问题带给控制系统的状态估计、故障估计和容错控制许多新的挑战。随着控制领域日新月异的发展,容错控制领域的研究成果也是推陈出新,但很多问题仍然不断吸引着我们去进行更加深入的探索。本文的主要研究工作如下:（1）基于改进自适应卡尔曼滤波的状态和故障同时估计在随机框架中,考虑系统状态方程和测量方程均含有故障的情况,将故障建模为参数变化,提出了一种改进的自适应卡尔曼滤波器Adaptive Kalman filter（AKF）,用于对线性时变Lineartime-varying（LTV）离散随机系统的状态和故障进行同时估计。给出了所提滤波算法的收敛性分析。通过数值模拟验证了所提出方法的有效性。（2）线性离散时滞系统的状态和故障估计在线性离散随机环境下,系统状态方程存在故障且传感器具有故障的系统中,系统的状态存在时间滞后。为了估计此系统的状态和故障信息,构建增广系统,并对该增广系统运用卡尔曼滤波Kalman Filter（KF）,其中增广状态向量包含原系统状态向量和故障向量。对所得增广状态估计信息进行解析,以得出原系统的状态估计值和故障估计值。最后,提出的方法的可靠性通过数值仿真得到了检验。（3）具有执行器和传感器故障的离散时间随机系统的故障估计和容错控制对于离散时间随机系统,针对故障估计Fault Estimation（FE）和容错控制Fault-tolerant Control（FTC）问题进行研究,其中执行器故障和传感器故障都得到了考虑。通过引入虚拟噪声,故障被扩展到增广系统的状态。接下来,将卡尔曼滤波器应用于增广系统,然后得到最优状态估计和故障估计。基于状态和故障估计信息,设计了一个主动容错控制器,以确保系统的稳定性。数值模拟验证了该方法的有效性。