无人驾驶碾压机的高精度路径跟踪控制过程依赖于车辆定位信息的准确获取,但是在复杂、恶劣环境下传感器极易发生量测失准与硬件故障问题,对无人驾驶碾压系统的稳定、安全运行构成了极大威胁。为了解决无人驾驶碾压机因传感器定位短时失效而出现运行失控的问题,本研究从硬件冗余与模型信号代偿的角度设计了一种面向无人驾驶碾压机的容错定位系统,具体工作内容如下:为了充分挖掘可用于无人驾驶碾压机定位的有效信息源,本研究基于铰接式车辆的几何结构特性与液压转向系统工作原理,结合无人驾驶碾压机转向机构在作业过程中表现出的中位漂移特性,构建了带流量损耗参数的线性液压转向系统模型。在模型中加入自学习算法,以GPS系统以及转向系统的量测信息作为输入,在车辆正常运行过程中实时表达方向盘与车体铰接角的动态对应关系。实车数据的离线辨识结果表明,95.5%的模型估计铰接角残差分布在±1.5°以内。为了明确液压转向系统自学习模型在无人驾驶碾压机核心定位传感器失效后的性能以及时效,本研究在考虑了车辆吨位、仓面崎岖程度对车况的影响以及模型偏差对定位影响关系的基础上,以33t无人驾驶碾压机的后退过程对自学习模型的信号代偿容错控制效果进行了实车测试。结果表明,在核心定位传感器失效后的40s时间内模型能够继续维持车辆的高精度运行,与无代偿算法相比提高了近18.7倍的运行时间,与无自学习的信号代偿算法相比提高了近2.7倍的运行时间。本研究在液压转向系统自学习模型信号代偿的基础上加入了铰接角传感器以进一步提高GPS故障后的容错控制准度,并以一种类联邦滤波结构将GPS、铰接角传感器以及液压转向系统自学习模型三种信息源进行有机结合,建立了面向无人驾驶碾压机的容错定位系统。设计了面向GPS与铰接角传感器的扩展卡尔曼滤波器与卡尔曼滤波器对测量稳定性进行了提升。加入了残差检验作为传感器信号诊断方法,通过故障注入试验验证了方法的有效性。