在现代工业自动化生产过程中，故障诊断成为一种提高生产效率和保证产品质量的关键技术。目前，有关线性系统的故障诊断的研究成果较多，诊断理论发展的也较为成熟。然而，由于外部环境的干扰、系统内部结构的复杂性等因素使实际系统呈现出不同程度的非线性，传统的基于观测器的非线性系统故障诊断理论没有充分考虑噪声、扰动和建模不确定项等因素带来的干扰，使其在实际应用中存在很大的局限性并且给设计故障阈值带来了困难，容易导致诊断系统产生误报警或漏报警。本文针对一类非线性动态系统故障诊断存在的建模难的问题，研究了一种基于模糊神经网络观测器的故障诊断方法。首先，本文介绍了故障诊断的发展及现状，提出了本文研究的工作重点。其次，本文对模糊逻辑、神经网络以及自适应观测器的设计给出了较为详尽的介绍，重点介绍了混合型pi-sigma神经网络和RBF神经网络，并对模糊神经网络的逼近能力进行了实例仿真。利用模糊神经网络能够以任意精度逼近任意连续函数的性质设计了基于模糊神经网络的自适应观测器，给出了观测器稳定的约束条件，并将其应用于故障诊断中。仿真结果证明，设计的观测器对于系统模型的不确定干扰有很好的鲁棒性，且能够及时地检测出故障的发生，并能够精确地逼近故障特性。最后，对于同时存在输入输出两种故障的非线性系统也进行了研究，并对提出的算法进行了实例仿真，证明了本文所设计算法的有效性以及应用的广泛性。