现代工业的快速发展致使控制系统的规模和复杂度不断增加,因此对系统的可靠性和安全性的要求也越来越高。而实现智能控制和监测等功能的关键和基础是系统状态的准确性。现有的状态估计与监测策略大多是在高斯噪声假设下构建的,且噪声参数已知。由于系统本身、环境等影响,实际过程数据往往会出现异常值等不确定因素,使得传统的状态估计方法,如卡尔曼滤波等,产生较大的偏差,影响状态估计精度,从而降低后续的监测性能。本文主要考虑随机系统中不同噪声分布及其参数未知的情况,对此类系统的状态估计和监测问题进行了深入的研究和探讨。本文的主要研究工作包括以下几个方面:1.考虑线性系统中观测噪声具有不对称性且存在异常值时的状态估计问题。使用具有不对称性和厚尾性的倾斜t分布对观测噪声进行建模,并提出一个鲁棒滤波器算法。该算法通过变分贝叶斯推论,可以同时估计出系统状态和未知的噪声参数;同时运用一个启发式模型,让学习到的噪声参数可以跟踪上时变的观测噪声参数。通过一个仿真例子和混合水箱实验,说明了所提算法的有效性。2.针对实际应用中异常值存在的情况,将可以处理异常值的t滤波器扩展到分布式系统的状态估计中。通过假设系统的过程噪声和观测噪声均为t分布噪声,提出了一个分布式t滤波算法。所提的分布式t滤波算法可以获得同集中式t滤波算法相同的全局性能,并且通过设计一个反馈环节,证明了在有反馈的情况下,每个局部滤波器性能得以提高。两个仿真例子说明了该算法的有效性。3.针对线性系统故障检测与诊断方法无法消除异常值影响的问题,运用带有未知参数(未知尺度矩阵和未知自由度参数)的t分布来描述观测噪声。通过变分贝叶斯方法,系统状态、尺度矩阵和自由度参数可以同时估计得到。由于噪声分布不再是高斯分布,提出一个改进的残差评价方法检测故障是否发生。当检测到故障后,提出了一个通过修正的噪声协方差诊断故障的方法,可以准确地确定故障的传感器。通过一个数值仿真和带有两个连接的连续搅拌反应釜仿真,验证了该算法可以有效的检测和诊断传感器故障。4.在线性系统中,观测噪声参数已知和未知的两种情况下,同时考虑了系统状态估计和故障估计问题。传感器故障的动态被描述为一个随机过程。在概率框架下,设计了一个鲁棒的滤波器,使得系统的状态和传感器故障可以运用变分贝叶斯算法被同时估计得到。不同于其它存在的故障估计方法,所提的方法不需要故障的准确描述。即使噪声参数未知,同样能得到较好的故障估计精度。一个数值仿真和混合水箱实验验证了该算法的有效性。