随着科学和技术的不断发展,控制系统变得日渐复杂,系统部件一旦发生故障将会降低系统性能,甚至会发生灾难性的事故。为了提高复杂系统运行过程中的可靠性能,降低出现故障时对系统的影响,及时的故障诊断尤为重要。故障估计是故障诊断中的重要一部分,其为后续的容错控制处理故障奠定了基础。本文主要研究的是将迭代学习算法应用到非线性系统故障诊断中,设计迭代学习故障估计器,实现对系统故障的准确估计。第1章阐述了本课题的研究目的与意义、基本知识概述及研究现状。第2章介绍了本文中证明会用到的一些引理和定义。第3章考虑到实际系统中的许多故障发生在有限频段内,对于离散时间奇异线性参变系统,研究了两类不同部位出现故障的情况,分别对其设计有限频段内的故障估计器。通过使用广义KYP引理和两个有限频域H∞性能指标,将估计器存在的条件以线性矩阵不等式的形式呈现出。进一步的,通过引入松弛变量,可以得到更优的结果,这有利于计算所设计的估计器在不同频域的未知矩阵参数。与传统的方法相比较,本章的设计方法估计效果更好、保守性更小。最后用仿真验证了本章所提出方案的可行性。第4章研究了利用迭代学习策略对有执行器故障和干扰的非线性连续系统进行故障估计,所设计的具有鲁棒性能的比例微分型迭代学习估计器不仅能有效的估计出系统故障,还可以准确估计出系统状态变化情况。引入的虚拟故障参数值是由前一时刻的虚拟故障值、输出误差值决定及输出误差的导数值决定。当系统发生故障时,迭代学习故障估计算法不断迭代更新学习,以实现对系统故障类型及发生时刻的准确估计。利用输出反馈来处理扰动,降低对正常运行系统的影响,诊断算法的收敛性通过压缩映射的方法被证明出。最后用机电控制系统的仿真案例验证了本章方法的合理性。第5章与上一章的思想基本一致,本章设计具有鲁棒性能的迭代学习估计器对离散非线性系统进行故障估计研究。与上一章不同的是,引入的虚拟故障参数值是由前一时刻的虚拟故障值、输出误差值决定及输出误差的差分值决定。具体的方案是构造迭代学习故障估计器的形式,其形式包括故障估计项和鲁棒项;接着设定阈值范围,当系统的输出残差超过预定义的阈值时,说明系统出现了故障,估计器的估计项不断迭代更新估计出系统故障的发生时刻和大小值,鲁棒项用于保证估计器的渐近稳定。所设计方法的有效性通过仿真结果可以证明。最后,总结了本文所做的主要工作,并指出了有待解决的问题。