动态系统的故障诊断技术30年来得到了长足发展，随着计算机科学、计算智能等的快速发展，许多新方法和新技术被引入到该领域。现有的故障诊断方法大都是针对线性系统的，而实际生产中的受控对象总是存在着或多或少的非线性，导致原来的故障诊断方法不再适用。非线性系统的故障诊断问题就应运而生，日益成为自动控制界故障诊断与容错控制研究的热点和难点。在非线性系统的故障诊断方法中，强跟踪滤波器(STF)方法是一种基于参数估计的故障诊断方法。它将控制系统的各种故障(如部件、执行机构及传感器等故障)归结为一种参数偏差型故障进行处理，采用状态与参数的联合估计方法得到非线性系统的状态与参数的无偏估计，并且在模型参数失配的情况下仍能得到比较准确的非线性系统状态与参数的估计。基于强跟踪滤波器理论，本文首先给出一种故障观测器，实例仿真证明该故障观测器对系统参数的任何一种规律的变化都具有极强的跟踪能力，能够得到非常准确的状态与参数的估计值。然后，针对一类非线性系统元部件故障，将故障观测器理论同数字PID控制算法相结合，构成基于状态估计的PID控制算法。实例仿真证明，该方法对系统的状态和参数具有极强的跟踪能力，并能及时检测出系统的元部件突变或缓变故障，但在参数发生故障后不具备对故障的容错控制能力。在此基础上，本文将故障观测器同模糊自适应PID控制方法和修正的Bayes分类算法相结合，构成一种基于状态估计的模糊自适应PID容错控制方法，实例仿真证明，该方法具备基于状态估计的PID控制方法的所有优点的同时，在参数发生故障时由模糊自适应PID控制算法通过在线自整定PID参数实现了系统的容错控制，保证了系统的稳定运行。