Los robots móviles omnidireccionales de tres ruedas (TOMRs) son ampliamente utilizados para llevar a cabo tareas de transporte precisas en entornos estrechos debido a su estabilidad, operación flexible y capacidad de carga pesada. Sin embargo, estos robots son susceptibles al deslizamiento. Para los robots con ruedas, casi todas las fallas y deslizamientos afectarán directamente el consumo de energía. Por lo tanto, el uso de datos del modelo de consumo de energía y datos del codificador en condiciones saludables como referencia para diagnosticar el deslizamiento del robot y otras fallas del sistema es el principal problema considerado en este documento. Construimos un modelo de energía para el TOMR y analizamos en detalle los factores que afectan el consumo de energía, como la posición del centro de gravedad. El estudio se centra principalmente en la relación característica entre el consumo de energía y la velocidad cuando el robot experimenta deslizamiento u otras fallas comunes, incluidas las fallas del sistema de control. Finalmente, presentamos el uso de una red neuronal artificial (ANN) basada en tablas para indicar el tipo de falla al comparar los datos modelados con los datos medidos. Los experimentos demostraron que el método es preciso y efectivo para diagnosticar fallas en los TOMRs.