随着计算机技术、人工智能和信息融合技术的高速发展,基于滤波器的故障诊断方法在近些年成为混合智能故障诊断领域的关键技术之一。其中,滤波算法性能的好坏直接关系到基于滤波器的故障诊断方法对故障信息的敏感度,影响诊断的精度。目前针对线性动态系统的故障诊断技术已经发展的较为成熟,但是实际的动态系统通常具有一定程度的非线性特性,有些系统甚至是强非线性的,所以对非线性滤波算法的深入研究是目前基于滤波器的故障诊断方法的关键。粒子滤波作为解决此类问题的最有效的算法,正逐渐成为基于滤波器法研究非线性系统故障诊断问题的主流方法。但是目前的粒子滤波仍然存在着一些的不足,本文对粒子滤波进行了全面的分析和研究,提出了两种改进的粒子滤波算法,并将改进的粒子滤波算法应用到非线性系统故障诊断中。本文的主要工作如下:(1)针对标准粒子滤波无法充分利用最新的测量值和“权值退化”导致的估计精度不高问题,本文对合理建议分布的设计和重采样技术进行研究,首先选用无损卡尔曼滤波(UKF)生成更加逼近真实后验分布的建议分布函数;其次,在重采样过程中实施入侵式杂草仿生学算法优化粒子集,且在优化过程中采用权值抖动的新扩散方式指导粒子的动态繁衍,加速粒子朝高似然域运动,提高了估计精度。(2)针对噪声特性未知情况下系统状态估计精度不高问题,本文通过UT变换与H∞滤波进行研究以克服应用环境的束缚,首先利用融合了UT变换的H∞滤波生成建议分布,在此基础上运用灵活的高斯分布选取Sigma点,并在重采样阶段引入具有权值抖动原则的入侵式杂草仿生学算法优化粒子集,提高了在未知噪声下的估计精度。(3)针对粒子滤波在非线性系统的干扰特性未知情况下难以精确跟踪故障信息问题,本文首先采用高斯Sigma点选取的UT变换和H∞滤波产生建议分布函数;最后,在改进的粒子滤波框架下,结合残差平滑检测法对系统的故障信息进行判定。实验中选取了两组非线性系统模型—低维单变量非线性系统和三容水箱DTS200系统进行故障诊断实例验证。