随着信息技术和智能控制技术的快速发展,现代工业控制系统的规模更加庞大,结构更加复杂,内部联系更加紧密,且对其可靠性和安全性要求也越来越高。故障检测技术为保障控制系统正常运行以及发生故障后及时检测出故障提供了方法和途径,成为保障系统正常运行不可或缺的重要技术。但是实际工业控制系统大多具有一定程度的非线性特性,而目前针对非线性系统的故障检测技术尚未形成完善及成熟的方法。粒子滤波不受噪声和模型等假设条件的约束在非线性系统问题的处理上具有独特的优势,逐渐成为研究的热点。但是粒子滤波算法存在粒子退化、样本枯竭以及难以应对未知噪声的问题,导致故障状态估计精度不高,从而影响检测精度。因此本文将针对此问题进行研究,主要的研究内容如下:(1)针对故障状态估计中粒子滤波的粒子退化和样本枯竭造成估计精度不高问题,采用权值抖动萤火虫算法和不完全重采样策略对粒子滤波存在的这些问题进行研究。首先利用萤火虫算法的强寻优能力特性,在采样过程中通过权值抖动萤火虫算法指导粒子的整体移动,加速粒子向真实值附近运动,提高状态估计的精度;其次,采用不完全重采样策略,缓解粒子退化,更好地保持粒子的多样性。(2)针对未知噪声干扰下非线性系统故障状态滤波过程中滤波发散及失效导致估计精度不高的问题进行研究。首先利用Sage-Husa估计器可以直接实时估计噪声特性的特点,将Sage-Husa估计器与无迹卡尔曼滤波结合估计未知噪声的统计特性,并融入最新的量测信息产生建议分布函数;然后,在重采样阶段利用权值抖动萤火虫算法优化粒子集,缓解粒子退化和样本匮乏,提高未知噪声下非线性系统的故障状态估计精度。(3)为验证改进粒子滤波的故障状态估计方法在故障检测应用中的有效性,文中选取两组非线性系统模型为研究对象,即一是选取一维单变量非线性模型并设置了参数突变故障模式,二是选取三容水箱DTS200系统模型,并分别设置了三容水箱系统的传感器故障模式和执行器故障模式,然后进行故障检测实验,验证了该改进方法的有效性且能够有效提高故障检测的准确度。