В статье рассматривается проблема обеспечения отказоустойчивости систем технической диагностики строительных и дорожных машин в условиях неполных и зашумлённых данных с бортовых сенсоров. Предложен архитектурно-алгоритмический подход к построению робастной аналитической системы, основанной на адаптивных моделях с динамическим запаздыванием и гибридных методах машинного обучения. Разработана методология количественной оценки робастности, учитывающая как точность прогнозирования износа узлов (гидросистем, ходовой части, двигателей), так и устойчивость к дефектам входных данных. Экспериментальная проверка проведена на реальных данных, собранных в ходе эксплуатации гусеничных экскаваторов и асфальтоукладчиков. Результаты показали, что предложенная система сохраняет точность диагностики на уровне не ниже 92 % даже при наличии до 25 % пропущенных значений и шума с дисперсией, превышающей номинальную в 3 раза. Полученные результаты подтверждают применимость разработанного подхода для повышения надёжности и безопасности эксплуатации строительно-дорожной техники.