在自动化生产过程中,要用各种不同的传感器来监视或控制生产过程中的各个参数,使设备处于最佳工作状态,保证产品有最好的质量。但目前主要依靠内部传感器,例如各种位移、速度、压力等传感器,很少采用视觉等外部传感器。并且在对系统运行状态进行监控时,单一种传感器信息只能获得设备系统的部分信息段,反映设备系统运行状态的某一个侧面;并且如果传感器本身发生故障,系统并不能自行判断某个传感器失效并发出警报。为了全面地、综合地反映设备的真实运行状态并就故障给出相应的诊断信息,本文提出了将视觉和内部传感器信号感知信息融合监控诊断的方法,从而真实的反映设备运行状态,对设备故障做出科学、正确的分析与决策。对监控用内外传感器进行了选择和设置。重点对视觉跟踪中的采集信息进行了分析,采用点模式匹配的方法对目标进行跟踪,并设计了卡尔曼滤波器,对被跟踪目标的运动参数进行滤波预测,缩小了搜索区域,提高了系统的实时性和跟踪精度。分析了单独使用视觉或内部传感器进行系统监控的不足之处,在此基础上,针对码垛机器人的码垛过程、产品的安全性等要求,将多传感器信息融合技术应用到码垛系统中,并以信息融合技术的理论知识为基础,总结得到码垛系统的多传感器信息融合的基本原理图、所采用的结构形式以及信息融合故障检测方法。针对码垛机器人多传感器系统的特性和现场环境特点,总结出系统常见的故障类型,并采用模糊BP神经网络信息融合方法实现对码垛系统的故障监控和诊断。本文通过码垛系统的故障初始训练表形成了故障诊断理论样本,然后就码垛系统中的典型故障模式采用了模糊BP神经网络进行判断,仿真结果表明该方法是行之有效的。本文深入研究了基于多传感器信息融合的码垛过程故障监控与诊断的问题,当码垛过程发生故障时,该系统可以判断出故障原因并给出诊断结果,从而保证了系统运行的稳定性和可靠性。