由于现代控制系统具有规模大、复杂度高的特点,人们对于控制系统的安全性和可靠性提出了更加严格的要求,而容错控制能够保证系统对安全性和可靠性的要求,因此容错控制成为了研究热点。同时作为容错控制的基础,故障诊断技术也备受关注,故障诊断领域的故障检测、故障隔离以及故障估计成为研究热门。尤其是故障估计,它具有检测和隔离双重功能。这也是本论文研究故障估计问题的重要原因。本文主要研究了受到时延和外部扰动影响的基于Takagi-Sugeno(T-S)模糊模型控制系统的故障估计问题。通过构造模糊学习观测器和自适应观测器以及利用H?优化技术,实现对系统状态和故障的准确估计。主要工作总结如下:1.针对一类具有连续时变时滞,执行器故障和受范数约束的外部干扰的T-S模糊系统,研究了鲁棒故障估计问题。首先构造一种改进的模糊学习观测器(Fuzzy Learning Observer,FLO),然后应用H?优化技术,实现对系统状态和执行器故障的同时估计。基于Lyapunov方法,给出FLO存在的一些保守性更低的充分条件,这些充分条件通过一组线性矩阵不等式给出,通过FLO得到的故障估计可以很好地刻画故障的大小和形状。最后,动态模型的仿真结果表明所提出方法的有效性。2.研究了同时受到执行器故障,传感器故障和外部扰动影响的T-S模糊广义时滞系统的故障估计问题。给出了一种自适应模糊观测器,实现了对系统状态,执行器故障和传感器故障的同时估计。基于李雅普诺夫方法,将系统稳定性分析和设计条件转化为一组线性矩阵不等式。在此基础上,求解一组线性矩阵不等式计算出观测器增益,并将其用于估计系统状态,执行器故障和传感器故障。最后,给出一个算例,验证了所提出方法的有效性。