随着海洋的开发和利用以及自治水下机器人(Autonomous Underwater Vehicles,AUV)应用需求的不断推广,人们对AUV的智能水平和自处理能力提出了更高的要求。AUV在执行使命任务过程中,由于水下作业环境、AUV自身状态信息以及任务执行等的不确定性会产生大量不确定事件,不确定事件一旦发生,AUV就不能保证按原有规划结果完成作业任务,必须按现有的状态和约束条件对规划进行调整和修复。因此,为提高AUV的自主性和适应性,保证AUV安全有效的完成使命任务,AUV应具有规划修复能力来迅速响应环境变化,以适应新的环境。本文主要对AUV规划修复方法进行研究,所做的主要工作如下:首先,阐述了规划修复技术及其应用在AUV上的研究现状,结合AUV实际执行任务的需求简述了本文的研究内容和意义。其次,对智能规划领域现有的主要规划修复方法进行了研究;主要对总结的现有十种规划修复方法分别进行介绍,并对规划修复问题的复杂性进行了研究分析。然后,重点对AUV在任务规划中的不确定性问题进行了分析,并根据智能规划的理论知识详细研究了相关的不确定事件。结合AUV自身的特性和使命任务规划的需要,本文采用了两种AUV规划修复方法:基于HTN规划的AUV规划修复和基于改进LPA*算法的AUV规划修复;并对以上两种规划修复方法进行分析研究,分别提出了算法的评价标准。最后,对前面提出的两种AUV规划修复方法进行实验验证,证实了文中所提方法的有效性和可行性;并通过评价标准和实验结果对比分析,证明了本文采用的AUV规划修复技术的优越性,也表明了本文的相关研究内容为进一步提高AUV在复杂水下环境中的作业自主适应性、事件响应及时性以及保障自身安全能力等方面,提供有效的理论基础与技术支持。