为了提高动车组车下设备检修效率,降低检修人员的工作强度,结合现行动车组检修技术要求,提出了利用巡检机器人代替检修人员进行检修维护的方法。首先,本文介绍了动车组发展状况及巡检机器人课题研究的意义。并对国内外机器人工业及技术发展、图像识别理论进行了分析和阐述。另外,本文对现阶段动车组实行的检修制度和车下检修项点进行了分析和总结。在了解动车组车下检修需求和机器人发展现状的基础上,分析了巡检机器人功能需求,提出了由操作臂、移动运载平台、控制及处理中心等模块组成的巡检机器人系统结构。选定一种构形的操作臂作为检修操作的执行器,并详细对操作臂的自由度数目、运动学构形、工作空间等内容进行了分析和技术参数定义。除此之外,论文还对移动运载平台的驱动和转向方式、视觉系统硬件组成、控制及处理中心硬件组成、通讯模块硬件等进行了分析和选型。文中以巡检机器人操作臂为研究对象,利用机器人学D-H方法建立了操作臂运动学模型,对运动学模型正逆解进行求解。最后,利用MATLAB机器人工具箱进行仿真计算,验证了正逆解求解方法的正确性,为操作臂运动控制和轨迹规划提供了理论依据。在完成操作臂运动分析后,对巡检机器人进行检修轨迹规划,给出巡检机器人用于轨迹控制的位置时间表。另外,对操作臂关节空间进行轨迹规划,并利用MATLAB软件实现了轨迹规划仿真计算,验证了操作臂轨迹规划的可行性。在完成巡检机器人检修部件图片采集的位置控制工作后,论文对采集的故障图片进行自动识别研究。文中介绍了巡检机器人故障诊断需求,并选择了人工神经网络作为故障图像识别的方法。对此方法中所涉及BP神经网络、卷积神经网络等原理知识进行了阐述,在此基础上,建立一种基于人工神经网络的图像识别系统,用于对车下故障进行自动诊断。以螺栓松动故障作为试验对象,利用系统进行了检测验证,得到良好的识别效果。这证明了利用人工神经网络建立的故障自动诊断系统在动车组车下巡检机器人上应用的可行性。论文的末尾,总结论文研究成果,并提出该课题未来的研究方向。