传感器是测量与控制系统中不可缺少的重要部分,如果出现故障,系统将得到错误的监测信号,从而导致测控系统异常,甚至会引发非常严重的后果。因此,对传感器故障进行分析和研究,运用适当的方法诊断出故障是非常必要的。　　 基于模型的故障诊断理论是二十世纪七十年代最早发展起来的,经过近三十年的迅速发展取得了许多比较成熟的研究成果,如未知输入观测器法、特征结构配置法、等价空间法、参数估计法等。基于未知输入观测器的方法和基于特征结构配置的方法是鲁棒故障诊断领域两种重要的方法,通过对未知输入干扰解耦使设计的观测器具有鲁棒性,本文重点研究了这两种针对线性不确定系统的传感器故障诊断方法。　　 基于未知输入观测器(UIO)的传感器故障诊断方法是根据矩阵分解的理论,设计了与未知输入干扰解耦的降阶UIO。利用所设计的观测器生成鲁棒残差发生器,使产生的残差信号与干扰解耦,通过残差信号可准确地实现传感器故障的检测。本文还研究了基于UIO的故障重构方法重构传感器故障,即将传感器故障通过增广矩阵纳入到系统的状态变量中来设计观测器,该鲁棒观测器估计系统状态的同时,估计出传感器故障的形式和大小。本文以MATLAB为仿真工具,利用Simulink搭建传感器故障诊断的系统模型,把设计的故障诊断算法运用到搭建的模型中,仿真结果验证了算法的有效性。　　 基于特征结构配置的传感器故障诊断方法是根据特征结构配置原理,采用将奇异值分解与右特征向量配置相结合的方法,设计了一种基于全维观测器的故障诊断残差发生器,使产生的残差信号自身直接与干扰解耦,从而对干扰具有鲁棒性,通过残差信号可准确地实现传感器故障的检测。本文还研究了基于特征右特征向量配置的故障重构方法重构传感器故障,在检测故障的同时,估计出故障的形式和大小。特征结构配置法在进行传感器故障诊断时不受不确定性干扰的影响,提高了故障诊断的可靠性和精度。仿真结果验证了算法的有效性。　　 在研究线性定常不确定系统传感器故障诊断方法的基础上,本文以一类线性时滞不确定系统为研究对象,采用线性矩阵不等式(LMI)的方法,设计含有内部时滞与不含有内部时滞两种未知输入观测器。利用所设计的观测器生成残差发生器,通过残差发生器产生的残差信号与干扰解耦,从而准确地检测出传感器故障。仿真结果验证了算法的有效性。