随着现代工业的发展,控制系统日益大型化、复杂化,因此,影响系统运行的因素骤增,其发生故障的潜在可能性越来越大,智能监测和诊断技术也就应运而生。同时,系统在生产过程中保留了大量的过程数据。计算机技术发达也为海量数据的分析与使用提供了便利条件。本文旨在基于数据的统计信息,结合实际情况考虑工业系统中的非高斯现象,提出随机滤波和故障诊断新方法,本文的主要工作与贡献如下:首先,本文研究了传承于贝叶斯估计和蒙特卡洛仿真的粒子滤波方法,提出基于粒子滤波的故障诊断两步策略,并将其应用到换热器故障检测与估计中。其次,本文使用生存信息势描述随机系统的不确定性,构成了全新的性能指标。然后基于此提出了全新的滤波增益更新算法,使估计误差分布形状尽可能窄。同时为了保证误差随机均方指数有界,提出基于线性矩阵不等式的次优滤波增益更新算法。在机械手的仿真应用证明了该方法的有效性。最后,本文针对传统加权最小二乘法可能受较大误差影响,导致误差较大的状态估计结果,本文提出基于广义最大互熵的电力系统状态估计方法。该方法在IEEE-14节点电力系统的数值仿真结果表明,它可以自动抑制不良数据的影响,且计算速度满足实时性要求,这为进一步的理论研究和工程实践奠定了坚实的基础。