现今,控制系统规模变得日益大型化、复杂化,系统故障的发生几率也大幅增加,因此,系统的可靠性问题成为了研究热点,为了提高系统可靠性,及时地检测出发生的故障,并对故障原因、特征进行分析、判断,防止故障的发生。本文在一般故障诊断的方法基础上,提出了基于神经网络观测器故障诊断的新方法。主要研究工作如下:首先,引出了故障诊断有关的理论与知识,并结合近年来智能故障诊断技术的发展与现状,提出了本文的主要研究工作。随后主要探究了本文所采用的BP神经网络的算法及其完善方法,并通过仿真说明了BP网络对任意非线性函数都具有很好的逼近性能。其次,依据给出的BP网络进行了神经网络观测器的设计,并通过神经网络权值的调整对非线性系统中观测器稳定性进行了分析;之后针对一类线性离散系统中存在的故障诊断,建立了一种基于线性系统的神经网络观测器,并利用改进后的激励函数,来大幅提高网络的训练速度;该观测器可以实现对线性系统中状态变量的在线估计跟踪,并以此来观测系统有无故障。仿真例子证明了该设计是有效可行的。为了进一步探究,提出了基于神经网络观测器的非线性系统传感器故障诊断的方法,它的设计及诊断原理同基于模型的观测器方法很相似,不同在于前者可以依据神经网络逼近非线性函数的特殊性能,并通过残差的产生,来判断故障是否发生。仿真举例说明了该方法能达到期望的效果。