传统随机控制主要研究系统输出均值和方差的统计特性。近十多年来,随机控制的研究领域出现一个新的分支,即非高斯随机分布系统控制理论,它突破了传统随机控制研究仅限于系统随机变量服从高斯分布假设,正在逐步发展成为一个较为完善的建模和控制理论框架,并已成为控制理论及应用研究领域内一个新的研究方向。目前,非高斯随机分布系统的研究主要集中于非高斯随机分布系统控制、非高斯随机分布系统的故障检测与诊断等问题,且这些问题都需要进一步研究和发展。本论文主要针对非高斯随机分布系统尚未涉及的非高斯随机分布系统保性能控制、有待深入研究的故障检测与故障等内容进行了研究,同时也涉及到容错控制的研究。通过这些研究,可进一步补充、完善非高斯随机分布系统理论。本论文的主要工作如下：1.非高斯连续随机分布系统具有记忆功能保性能控制的研究。针对非高斯连续随机分布系统的保守性问题,提出具有记忆状态反馈保性能控制算法,并采用凸优化技术对保性能控制算法进行优化,实现系统输出概率密度函数追踪目标概率密度函数,并满足规定的保性能指标2.非高斯不确定连续随机分布系统神经保性能控制的研究。针对非高斯不确定连续随机分布系统的保守性问题,引入附加增益,并在保性能控制器设计时采用神经控制器调控附加增益,以降低系统的保守性3.非高斯连续随机分布系统跟踪控制的研究。利用权值向量的约束条件,将非高斯连续随机分布系统跟踪控制和干扰抑制问题转换成基于H∞优化的PID控制问题,解决了系统输出概率密度函数跟踪控制和干扰抑制问题,并在线性矩阵不等式的基础上,得到H∞优化PID控制器存在的条件以及设计算法。4.非高斯连续随机分布系统故障检测与诊断的研究。采用有理平方根B样条逼近建立系统输出概率密度函数模型(静态模型),利用系统控制输入和静态模型权值之间的动态关系建立系统动态权值模型。之后,引入自适应参数,通过参数的调整来增强残差对故障的敏感度,进而提出了一种新的非线性自适应观测器故障诊断算法,并对系统的稳定性和收敛性进行了分析。5.非高斯奇异连续随机分布系统故障检测与诊断的研究。采用平方根B样条逼近来建立系统输出概率密度函数模型,利用系统控制输入和静态模型权值之间的动态关系建立系统动态权值模型。之后,非线性观测器被设计用来检测和诊断系统的故障,通过在算法中引入可调参数,提高了残差信号对故障的灵敏度,并通过通过线性矩阵不等式给出非高斯奇异连续随机分布系统稳定性条件。6.非高斯连续时滞随机分布系统故障检测与诊断的研究。采用RBF神经网络逼近来建立系统输出概率密度函数模型,利用系统控制输入和系统静态模型权值之间的动态关系建立系统动态权值模型。之后,提出了一种参数自适应调整的故障检测与诊断算法,通过引进一个可调参数使残差信号对故障较为敏感。当故障发生时,该算法能够通过自适应调整算法调整参数,有效提高了故障的检测效果。7.非高斯连续随机分布系统容错控制的研究。采用RBF神经网络逼近建立系统输出概率密度函数模型,利用系统控制输入和系统静态模型权值之间的动态关系建立系统动态权值模型。之后,在系统存在故障和扰动的情况下,提出H∞优化PID容错控制算法,以补偿或者拒绝故障、衰减扰动,实现系统输出概率密度函数追踪目标概率密度函数,并确保非高斯随机分布系统的鲁棒性和稳定性,从而提高系统容错控制效果总体而言,本论文在非高斯随机分布系统控制理论框架的基础上,结合非线性控制、鲁棒控制、稳定性分析以及故障检测与诊断等多种理论和技术,研究了非高斯随机分布系统的控制、故障检测与诊断以及容错控制等问题,并在现有研究基础上,提出了新的理论和方法,对非高斯随机分布系统理论的完善和发展有着十分积极的作用