移动机器人通过传感器感知环境和自身状态信息，实现其在有障碍物的环境中自主完成一定的作业任务。传感器准确无误的信息传递是移动机器人安全作业的重要保障，因而对传感器进行故障诊断显得至关重要。　　 首先分析了移动机器人传感器常见故障类型及数学模型，比较了基于解析模型、基于知识和基于信号处理的三种故障诊断方法，重点研究了基于Hilbert-Huang变换(HHT)和基于小波的传感器故障诊断方法。　　 接着，发展了一种新的离散均匀免疫多目标优化遗传算法(DiscreteUniform Immune Algorithm，DUIA)，该方法通过引入均匀初始化机制和抗体种群离散均匀分配技术改善了算法种群的多样性，避免了漏掉部分最优解的同时加快了算法的收敛。故障信息提取是基于信号处理诊断方法面临的关键问题，HHT方法的边界效应会影响有效特征的提取。本文提出了一种基于DUIA遗传算法和支持向量回归机(SVR)的HHT边界优化方法，提高了传感器信号瞬时频率和瞬时幅值特征提取的准确性，实现了传感器故障检测和识别。　　 传感器故障多为突变信号，基于小波分析的信号突变检测是传感器故障分析的有效方法。本文发展了基于小波的系统输入输出信号奇异性分析的故障诊断方法。分析了小波变换对信号突变时刻、故障区间、幅频突变的检测，完成了Simulink平台下传感器偏置故障、冲击故障和周期干扰故障的动态仿真建模，实现了传感器故障诊断。