随着现代工业控制系统复杂程度的增加和人们对系统性能指标要求的提高,系统的可靠性,可维护性和容错性受到了人们越来越多的重视。由此,故障检测及容错控制方法在近二十年一直作为控制界的研究热点,取得了显著的成果。论文在基于对象模型的基础上,针对线性系统模型和非线性系统模型的不同特性,提出了不同的故障检测方法,并对不同对象模型的容错控制方法进行研究。论文首先分析了一类线性时变系统的工作原理及控制特性,在其数学模型的基础上,提出了一种基于对等空间的系统故障检测方法。该方法针对模型参数时变的系统特性,利用系统状态观测值和实际系统输出获得的故障残差序列,并提出了故障检测在线滤波器设计方法。此方法不仅可以监视系统是否发生故障,而且可以跟踪故障并给出故障的变化趋势,同时引用Lyapunov定理证明了该方法的稳定性。针对一类存在的变量和参数不确定性的非线性Wiener系统模型,探讨了基于Kalman滤波和神经网络状态观测器的故障检测方法,该方法采用Kalman滤波器实现模型转换,利用神经网络非线性特性逼近系统非线性部分,实现了故障检测和线性部分参数故障幅值估计。同时由神经网络逼近引入对非线性系统多故障分离的探讨,提出在系统多故障并发条件下,通过神经网络抵消非线性项后,由对等空间法和构造性能指标函数实现对目标故障的分离和跟踪。容错控制是近几年来控制界的研究难点,针对不同系统的不同故障,往往其所适用的容错控制方法也不尽相同。本文针对一类存在参数扰动的线性时滞系统,由性能指标提出了一种保性能鲁棒控制方法。该方法通过设计局部保性能指标上界以确定系统整体保性能指标上界,实现了在时滞和参数扰动影响下保性能控制率的设计。针对非线性系统,本文提出了针对参数扰动故障的容错控制方法,即模糊多参考模型自适应控制方法(FMRMAC)、RBF神经网络自适应控制方法(RBFNN)和模糊神经网络控制方法(FNN)。其中模糊多参考模型控制通过模糊规则选取合适的参考模型,以克服系统参数跳变故障带来的控制困难,在无刷直流电机的仿真中,获得了较好的控制效果。RBF神经网络自适应控制控制方法将RBF神经网络控制和模型参考自适应控制相结合,增强了系统对参数跳变的适应性,将该方法应用于PMSM电机控制中,获得较好的效果。针对一类非线性系统设计的模糊神经网络容错控制方法,由状态观测器对系统故障进行估计,并通过神经网络对其参数进行实时校正,实现对系统故障的检测,并通过补偿控制量,保证系统故障条件下的稳定性。