刘传家，赵常均，王远航，林贞琼

（1.工业和信息化部电子第五研究所，广东 广州 511370；2.广州智能装备研究院有限公司，广东 广州 510700）

0 引言

随着企业物流运输系统对运行成本、柔性化和信息化等方面的需求，自动导引车（AGV）在物流自动化运输领域中的应用越来越广泛[1]。在实际生产中，作为物料运输工作的主要执行者，如果AGV故障的检测不准确、处理不及时，整个运输系统将工作在无法预测的方式下，轻则影响生产效率，重则给企业造成重大安全事故及财产损失。因此，对AGV故障诊断方法的研究具有重要的实际应用价值。随着AGV故障诊断应用需求的日益提升，部分学者针对相关故障特征提取及诊断方法开展了研究[2-6]。在上述基础上，本文以轮式AGV为研究对象，主要研究了基于卡尔曼滤波的残差预测及故障特征提取方法，以及基于BP神经网络的故障诊断方法。同时，对上述研究进行拓展，提出了一种基于混合粒子群算法的BP神经网络参数优化方法和一套完整的AGV故障诊断方法。

1 算法设计

轮式AGV的主要故障可分为机械故障和传感器故障两类，每一类包括多种具体的故障形式。本文仅针对上述两类中的部分故障形式进行研究，其中，机械故障主要指左、右驱动轮打滑；传感器故障主要指陀螺仪故障。定义故障类型为F1-F4，分别对应正常状态、左侧车轮打滑、右侧车轮打滑和陀螺仪故障4种状态。

1.1 AGV故障特征提取

本文的主要研究对象是轮式AGV，该AGV具有2个驱动轮和4个从动轮，配有2个编码器和1个陀螺仪。……