闭环控制系统是指存在被控的输出以一定方式返回到作为控制的输入端,并对输入端施加控制影响的系统,又称反馈控制系统。由于其可以有效地提高系统的鲁棒性,减小外界因素对系统的干扰,故闭环控制系统在生活生产以及航空航天领域等得到了广泛的应用。闭环控制系统控制领域的一个难点问题之一是对其系统发生故障时的检测与识别。然而,由于闭环控制系统固有的反馈调节机制,使得故障噪声比变小,给闭环控制系统故障检测增加了难度;此外,故障在系统内部传播,可能导致同一故障模式下多处变量/信号发生异常,故障值变小,或正常/故障以及不同故障模式下系统状态/变量异常特征相似,故障特征差异变小,也给闭环控制系统故障识别带来了挑战。针对这两个问题,本文从闭环控制系统故障及传播机理出发,基于数据驱动与知识驱动理论,研究适用于闭环控制系统的故障检测与识别方法,并开展其在田纳西-伊斯曼（Tennessee Eastman Process,TEP）系统、卫星姿态控制系统（Satellite Attitude Control System,SACS）等典型闭环控制系统中的故障诊断应用研究。主要工作如下:（1）针对闭环控制系统的实际特点,本文给出了闭环控制系统的概念及系统特性,比对了开环控制系统与闭环控制系统的特征差异。在此基础上,给出了两类控制系统的数学模型,最后根据闭环控制系统的数学模型,分析了闭环控制系统的故障传播机理;（2）针对闭环控制系统的故障检测难点,本文提出了一种基于对偶空间变换的闭环控制系统故障检测方法。分析了对偶空间变换原理,给出了稳定内核矩阵的获取方法并证明了稳定内核矩阵的存在性。在此基础上,结合闭环控制系统特征,给出了适合于闭环控制系统的稳定内核矩阵的获取方法,最后利用多时刻残差序列累加增加故障噪声比,进而提高了闭环控制系统的故障检测率;（3）针对闭环控制系统的故障识别难点,本文提出了一种基于深度神经网络的闭环控制系统故障识别方法。分析了深度神经网络原理,利用深度神经网络在有监督学习的优势,训练网络来寻找不同模式数据之间的差异,并通过设置滑动窗口,放大不同模式数据之间的差异,增大故障识别率,同时弥补了传统神经网络不适用于动态系统的不足;（4）通过TEP系统（平稳系统）、卫星姿态控制系统（非平稳系统）等典型闭环控制系统,对本文提出的闭环控制系统故障检测与识别方法进行验证。相比于传统的故障检测与识别方法,实验结果均表明了本文提出的方法有效提高了闭环控制系统的故障检测率与识别率。