实际工程系统几乎都是非线性系统,因此研究非线性系统具有很大的意义。Takagi-Sugeno（T-S）模糊模型作为一种有效的近似非线性的方法,已经被广泛应用到了实际工业中。随着现代工业系统的规模和复杂化程度日益增长,在工作过程中故障总是不可避免地发生,甚至会严重影响系统的性能。同时,人们对系统安全性和可靠性的要求越来越高。因此,故障估计技术已经得到了广泛地关注。而且异步隶属度函数情况下的T-S模型可以表示更为广泛的非线性系统,所以本文针对异步隶属度函数情况下的T-S模糊系统进行了故障估计问题的相关研究。本文的主要内容如下:首先,针对含有不可测前件变量的T-S系统给出了一个有效的故障估计方案。不同于已有的自适应故障估计方案,本文中的前件变量是不可测的。因此,原始系统和观测器之间的隶属度函数是异步的,导致了传统的基于并行分布补偿（PDC）技术的故障估计观测器设计方法不再适用。在此基础上,设计了模糊自适应观测器,借助于Lyapunov方法和线性矩阵不等式（LMI）技术,可以得到观测器设计的充分条件,同时证明系统状态和故障参数的估计误差是一致有界的。特别地,伺服信号用来激励系统使其满足所需要的持续激励（PE）条件。其次,针对含有执行器故障和外部扰动的T-S系统进行事件触发故障估计问题的研究。由于事件触发通讯（ETC）机制的存在,使得系统和自适应观测器之间的前件变量变得不匹配,进而导致异步隶属度函数问题。为了克服这个困难,一个和异步隶属度函数的偏差信息有关的新条件引入到ETC机制中。在此框架下,通过设计一个事件触发自适应观测器来同步估计系统的状态和故障参数,同时减小网络资源的无效使用。根据Lyapunov理论,可以得到控制器和观测器存在的充分条件,并证明了观测器对状态和故障参数的估计误差是一致有界的。特别地,借助基于LMI的优化技术,可以减少估计误差的界限。最后,对于上述研究的两类故障估计问题,通过仿真算例进一步证明所提出的自适应观测器方法的可行性和有效性。