全自动血型分析系统作为高端血液分析设备的代表，其研究涉及到许多重要的关键技术，包括运动控制技术、微量移液技术、故障诊断技术和血型图像识别技术等。因此，解决好各个关键技术的研究工作，是实现全自动血液分析系统的前提。本文针对目前国内对全自动血型分析系统的需求，在分析目前血型分析技术和国外血型分析系统研究现状的基础上，以解决好血型分析系统各个关键技术为基础，研制了国内首台全自动血型分析系统。全自动血型分析系统的微量移液机构是一个多轴协调运动的复杂机械结构。本文研究了微量移液机构的机械结构、控制策略、系统模型、单轴运动控制器、多轴运动控制器和基于DSP芯片、FGPA芯片的运动控制主板。由于采用了改进的单神经元PID速度控制器和改进的模糊PID位置控制器，弥补了传统PID算法的不足，单轴的定位精度可达0.05mm，最大运动速度可达1.6m/s，最大加速度可达6m/s2，极大的提高了微量移液机构的运行速度和稳定性，最终实现了每小时80个样品的仪器检测速度。全自动血型分析系统的微量移液技术是微量移液机构实现精确加样的前提。本文研究了一种精密微量泵的机械模型、加样精度检测、取样针堵塞识别和液面分层探测等问题。通过应力分析和模态分析，证明了柱塞选择ZrO2材料的有效性，其一阶振型最大位移小于1um。通过对微量泵加样精度检测机构的光学改进，把荧光采集效率提高了48.19%。通过分析取样针导管压力数据的幅值分布和频谱特性，有效的识别了血块堵塞和遇到泡沫两种情况。最后，采用CD4046芯片设计的液面传感器，研究了红细胞和血清分层探测时的不同导电特性。全自动血型分析系统自动化要求的实现需要分析系统具有较低的故障率。本文研究了离心机的机械结构、故障检测平台、振动信号软件滤波、特征提取和小波BP神经网络故障诊断器。通过自适应率和遗传算法对小波BP神经网络的改进，使小波BP神经网络训练的迭代次数由463代降低到了112代，故障诊断正确率由82.5%提高到了95%，有效的提高了小波BP神经网络的收敛速度和故障诊断正确率。全自动血型分析系统运行的最终目的是为了正确地识别血型结果。本文研究了血型试剂卡的倾斜校正、图像分割、种类识别和结果识别四个问题。通过采用两次匹配算法，使血型试剂卡的模板匹配时间由9.342s降低到了0.946s，有效地减少了图像处理所需的时间。课题的研究工作得到了国家高技术研究发展计划（863计划）（2011AA02A104）、苏州市科技计划项目（ZXG201135）等基金的支持。