壁面机器人是一种用于极限作业环境的特种机器人，由于其工作环境的特殊性，切实保证其工作的安全性与可靠性是十分必要的，因此，对壁面机器人系统及时进行故障诊断具有非常重要的意义。为此，本文基于智能思想对壁面机器人故障诊断方法进行了较为深入的研究。主要内容如下： 对壁面机器人的可能故障进行分析，总结系统可能的故障类型，并选择体现不同故障类型的特征信号，构建系统的故障空间和故障征兆空间，建立了两者之间的映射关系，并在此基础上制定了故障诊断方案。 探讨了基于神经网络技术的智能故障诊断方法，重点研究了模糊Hamming网络。针对模糊Hamming网络在应用中存在的参数调整效率低下以及难以保证参数最优的问题，提出了应用遗传算法进行参数调整的改进方法；针对该网络在样本离散范围发生交叠情况下导致归类错误的问题，研究了对于不同模式采用不同的警戒参数的有监督无监督混合学习的改进算法。通过实例验证，取得了较好的效果。 针对壁面机器人故障诊断的特点，提出了基于改进的模糊Hamming网络的两级神经网络模型，用于壁面机器人智能故障诊断系统。该网络可以正确识别壁面机器人的各种故障模式，并能对故障进行定位。 建立了基于VC的壁面机器人的智能故障诊断系统，并进行了对壁面机器人系统的故障诊断实验，完成了从数据采集、数据预处理、神经网络训练到系统的故障诊断等一系列实验过程。经过验证，该故障诊断系统能够成功地完成壁面机器人的智能故障诊断任务。