电子技术、计算机技术和机械技术等科学技术的飞速发展,极大地促进了工业机器人系统的多样化、智能化,使得工业机器人得到广泛应用,与此同时工业机器人的安全问题成为了人们关注的重要方面。虽然在工业机器人故障诊断方面有了一些研究成果,但是多数是基于动力学模型的,其有效性过度依赖于模型的精确性。本文从机器人当前状态和模型的相关性,以及故障和相关信号的异常关系出发,采用小波分析、自适应阈值小波消噪主元分析和鲁棒主元分析等信号分析方法,对工业机器人的编码器和驱动电机故障诊断进行了深入分析和研究,提高了故障诊断的有效性。本论文的主要研究内容为：本文首先概述了工业机器人的发展状况以及故障诊断技术的国内外研究现状,对主要的故障诊断方法进行了分析和研究,并阐述了机器人故障诊断的意义。其次,在对机器人模型进行分析的基础上,发现了故障和相关信号异常的关联性,提出了基于信号分析的机器人故障诊断方法,一定程度上解决了机器人故障诊断对真实模型的依赖性。然后,分析了电机的气隙偏心故障对定子电流造成的影响,针对传统信号特征提取方法的不足,提出了基于小波分析的故障诊断方法。该方法利用小波分析对定子电流信号进行分析和处理,提取出了气隙偏心故障在定子电流中对应的特征频率,实现对电机气隙偏心故障的诊断,并通过仿真实验对方法的有效性进行验证。另外,针对机器人编码器丢码和漏码故障的难以探测性,根据驱动电机速度信号和编码器反馈的位置信号之间的高度相关性(差分关系),利用冗余的电机速度信号,提出了基于改进主元分析的编码器故障诊断方法。该方法首先利用自适应阂值小波消噪方法对信号进行消噪处理,提取出有效的故障特征,然后再运用主元分析,实现对编码器故障的检测和诊断。该方法弥补了传统小波消噪和传统主元分析的不足,通过仿真实验,证明了方法的可行性。最后,针对测量数据中的离群点会使主元方向发生偏移的问题,提出了基于鲁棒主元分析的故障检测方法,并将其应用到机器人驱动电机的故障检测中。该方法利用机器人系统中驱动电机的电压、转速、定子电流和定子温度等信号,并通过M估计对传统主元分析中的最小二乘法进行改进,在此基础上建立主元模型,通过SPE和T2统计量实现对驱动电机故障的检测,仿真研究表明该方法有效减少了主元个数,降低了控制阈值,提高了故障检测能力。