自主式水下机器人(AUV)的研究是我国海上国防与海洋开发战略的重要组成部分,近年来,随着科学技术和海洋研究的不断推进和实际应用要求的不断提升,对其智能水平提出了更高的要求。由于水下机器人工作条件恶劣,周围环境复杂多变,所以设计一个可靠的容错控制系统来保证它安全地工作是至关重要的。容错控制((Fault-Tolerant Control, FTC)能使系统在发生故障的情况下,能够自动补偿故障产生的影响以维护系统的稳定性和尽可能的恢复系统故障前的性能,使系统运行稳定可靠。因此,容错控制为提高复杂系统的可靠性和安全性开辟了一条新途径。本论文对传感器和执行器的故障分别采用了不同方法进行了容错控制,以防止控制性能下降和故障的蔓延,提高水下机器人在复杂海洋环境下的生存能力和运动性能。论文中通过对水下机器人的控制系统中传感器系统的分析,建立了以诊断模型和信号恢复模型的系统结构。并在模型中,以径向基函数网络为核心采用了数据融合与神经网络相结合的技术,来完善网络结构与性能。系统主要对传感器信号进行监测分析,通过比较模型的输出(运动状态估计值)与实际测量值来产生残差,从残差中提取故障信息以进行故障诊断来诊断传感器是否出现故障,并对故障传感器进行信号恢复,保证水下机器人安全航行。论文还讨论了若干类故障检测方法,重点研究了对系统数学模型依赖不强的小波网络和RBF网络故障诊断方法。论文对水下机器人推进器信息做小波变换,利用小波变换极值点检测信号的突变故障。文中采用改进的小波网络对水下机器人运动建模,通过比较神经网络的输出与实际系统的输出进行故障诊断。最后,对于水下机器人推进器系统,采用了基于约束条件的推力分配策略,保证了水下机器人单个推进器出现故障后,仍能基本完成水下作业。仿真试验结果表明本文的故障诊断方法和容错控制策略的有效性,为进一步的故障检测和容错控制提供依据,在水下机器人技术中有着重要的现实意义。