随着计算机科学和控制科学的飞速发展,系统的规模和复杂程度迅速增加,如何提高系统的基本性能如效率、可靠性、稳定性和安全性的问题引起了国内外学者的普遍关注。及时检测并排除设备的故障可以有效避免生产和安全事故,故障诊断技术也得以迅速发展和提高。近年来,故障诊断技术结合了大量先进的算法与技术,诊断的技术在理论和实践中都得到了显著提高,故障诊断方法也更为多样化。但是如何建立具有鲁棒性的解析冗余分析机制并及时判断和排除故障,尤其是非线性非高斯系统的故障,仍然是故障诊断技术领域的热点和难点。基于贝叶斯滤波技术的状态估计方法能在噪声影响中估计出系统的状态,特别适合于非线性系统在线的故障检测和诊断。贝叶斯推理方法综合了先验概率知识和观测对象的各种信息来进行对象模式的诊断和识别。它提供了一种既简单又强大并具有指导意义的故障诊断技术。粒子滤波算法是基于贝叶斯估计方法的非线性滤波器,并且在处理非线性、非高斯随机系统估计问题方面具有显著的优势。故障诊断技术中的关键任务是故障检测、故障分离和故障辨识。本文采用基于粒子滤波算法的故障诊断技术对水箱液位控制系统的故障进行检测与隔离。在基于模型的故障诊断方法中结合贝叶斯推理框架下的粒子滤波算法,对非线性非高斯系统模型进行故障的检测与分离任务。针对非线性非高斯系统的故障检测与隔离问题,运用基于粒子滤波的似然概率密度函数值的方法和基于粒子滤波的残差平滑的方法来分别检测系统故障,经过实验结果的比较分析,讨论两种方法的优缺点及应用条件。当检测到故障发生时可以调用故障定位程序,运用多模型粒子滤波的故障诊断方法实现故障的定位。将多模型方法与粒子滤波相结合来完成系统故障的隔离。多模型估计是一种自适应估计方法,对于解决具有参数和结构不确定或变化的系统问题非常有效。本文中,根据系统模型用粒子滤波器建立可能发生的故障集,然后运用多模型粒子滤波的方法将真实状态与故障模型进行比较,当真实状态与其中的一个模型匹配时,说明系统在该单元发生了故障。水箱液位控制系统和一维非线性单变量模型的仿真结果验证了基于粒子滤波的似然概率密度函数可以快速、准确的检测出故障的发生,更适合于系统噪声方差接近或大于观测噪声方差的系统模型。多模型粒子滤波的方法可以对非线性系统进行快速、准确的故障隔离。该研究结果适用于噪声服从非高斯分布的非线性系统,改善了故障诊断的效果,提高了故障诊断的可靠性。