碾压机无人驾驶技术,可以大幅降低工作人员劳动强度且有望通过全天候、高精度、智能化无人自动碾压,实现碾压过程的高质高效。但是无人驾驶碾压机作业环境恶劣且电气改装的碾压机控制系统非常复杂,导致无人驾驶碾压机控制系统的关键传感器与执行器易发生故障,严重影响碾压机正常作业和运行安全。因此面向无人驾驶碾压机控制系统关键部件开发故障诊断与处理算法是实现碾压机无人化作业的关键技术。本文提出了一种基于支持向量机回归（SVR）模型的铰接角与执行器故障诊断算法、基于卡尔曼滤波的全球定位系统（GPS）传感器故障诊断算法以及基于功能安全的故障处理算法,具体研究工作如下:首先,为了建立用于碾压机铰接角与执行器故障诊断的精确模型,采用基于数据驱动的SVR建立碾压机铰接角与执行器模型,设计了基于SVR模型的铰接角与执行器故障诊断算法。通过采集碾压机全工况的运行数据构建离线数据集,利用该数据集训练铰接角和执行器SVR模型。实车测试数据表明,基于SVR的铰接角和执行器模型精度可以分别达到96.57%和97.40%。基于统计的序列概率比方法来检测SVR模型生成的残差序列,进而诊断铰接角传感器与执行器的机械故障与卡滞、突变等软故障。其次,为了建立用于碾压机GPS故障诊断的碾压机状态预测模型,采用融合运动学模型噪声与测量噪声进而降低总噪声的卡尔曼滤波器进行状态预测,提出了基于卡尔曼滤波的GPS传感器故障诊断算法。通过碾压机运动学模型与GPS传感器测量模型设计了卡尔曼滤波器,验证结果表明精度可达97.13%。通过序列概率比检测该卡尔曼滤波器生成的残差序列,诊断GPS传感器的机械故障与卡滞、突变等故障。最后,为了严格保障无人驾驶碾压机的安全,开发了基于功能安全的故障处理算法。通过对铰接角、GPS等关键部件进行安全导向分析和故障树分析得到关键安全目标与底层失效事件,并对违反关键安全目标的底层失效事件,设计相应的失效检测机制与临时停车、永久停车、信号灯预警等安全措施,保证在发生故障与异常状况下无人碾压机的安全性。并在无人驾驶碾压机软硬件平台上进行了算法测试与验证,结果表明在检测到传感器、执行器故障与碾压机异常状况时可以及时处理进而保证安全性。综上,本文提出的面向无人驾驶碾压机控制系统的故障诊断与处理算法能够诊断出传感器与执行器的机械故障与卡滞、突变等软故障,同时基于功能安全的故障处理算法可对传感器、执行器的故障与碾压机异常状况进行及时的处理,保障无人驾驶碾压机安全、高效作业。