随着科技的快速发展，现代控制系统也越来越复杂，为了提高系统的可靠性和安全性，基于模型的故障诊断技术也得到了长足的进展。但是，使动态系统变得更加安全与可靠的要求是不断增加的。当系统出现异常时，研究者们不但希望能检测出故障，更希望能进一步得到故障的一些信息，如故障的幅值及发生时间等等，从而为科学合理的系统维护提供更多的支持。为此，故障估计技术也逐渐引起了学者们的注意。　　提高系统可靠性的另一个重要任务是缓变故障的估计与预报。缓变故障通常是指幅值较小且缓慢发展变化的故障。由于其幅值比较小，缓变故障在早期对系统的影响较小，也很难被检测到，但它的缓慢发展却能够引发非常严重的后果。因此，如果能够及时的检测到缓变故障，并预测出它的发展趋势，就可以为操作者提供充分的时间和信息以便及时采取措施，从而避免系统发生更严重的破坏。总之，研究和发展故障估计和预报技术具有重要的理论意义和应用价值。应当指出的是，随机系统的故障估计技术目前正处在起始阶段，对于非线性随机系统，其故障估计问题还没有得到充分的研究；此外，如何有效的估计缓变故障，并在此基础上预测出其发展趋势，进一步将其推广到网络化情形中去，目前也有待探索。　　本文主要研究了一类非线性随机系统的故障估计与预报问题。我们主要从以下四个方面对该问题展开研究。　　首先，研究了一类带有加性突变故障的非线性随机系统的故障估计问题。在标准粒子滤波器的基础上，利用改进的算法得到状态估计和初步的故障估计。根据得到的故障估计值，利用假设检验的方法实时地检测每一个故障分量，之后用求平均值的方法得到故障幅值的估计值。同时，还给出了故障检测时间、故障大小、故障估计误差等变量之间关系，该结果在一定程度上揭示了故障大小及其估计误差与故障检测时间之间的关系。　　其次，针对以上方法存在的估计误差较大的情况，通过引入了虚拟噪声，有效提高了故障估计的精度。具体来说，由突变故障的特点可知，在任意两个相邻时刻之间，故障幅值的变化都是有界的，该特性可以由虚拟噪声来刻画。然后通过卡尔曼滤波的方法融合到故障估计算法中去，可以有效地提高故障估计的精度。进一步地，为了更好地应对故障幅值的突变，又给出了自适应的故障估计算法。并比较了两种算法的优劣。　　第三，研究了一类带有乘性缓变故障的非线性随机系统的故障估计与预报问题，其中每一个缓变故障由带有未知参数的非线性演化函数来表示。为了给出高精度的故障估计，由缓变故障的特点，引入虚拟噪声。基于粒子滤波和卡尔曼滤波的方法，给出了可以同时估计状态和故障的算法。检测到故障之后，用高斯牛顿法得到演化函数的参数，再根据演化函数方程，即可得到未来的故障估计值，从而实现故障预报，为故障维修提供更多必要的时间和信息。　　第四，进一步研究了在网络化不完整量测情况下非线性随机系统的故障估计和预报问题。这里缓变故障的每一个分量由一个带有未知参数的分段线性函数来表示。首先采用扩展卡尔曼滤波和卡尔曼滤波相结合的办法，给出没有丢包情况下的故障与状态估计滤波器的设计。之后，将该算法推广到网络化系统不完整量测的情形下。特别的，我们分别分析了正常情况下和不完整量测下估计误差的有界性。在故障预报阶段，采用线性回归的方法得到故障演化函数的参数，进而可以得到将来的故障幅值。　　最后，我们给出了全文的总结，并对下一步的研究进行了展望。