海洋的经济价值、军事意义日益凸显,已愈发受到世界各国的重视,作为探索、研究、利用和保护海洋的核心设备,自主式水下航行器(Autonomous Underwater Vehicle,AUV)在民用和军事领域得到了较为广泛地应用,它推进了人类开发海洋的进程,然而AUV无人无缆、内部系统高度自治且航时较长,在工作环境及其复杂的海洋深处,作业风险难以预测,其内部组件一旦发生故障,将导致不可估量的损失。因此在AUV研制或应用的过程中,安全性和可靠性是必须予以慎重考虑的关键问题。故障诊断与容错控制作为一门新兴的交叉学科,为AUV研制和使用中的安全性和可靠性提供了技术支持和保证,具有重要的研究意义和工程实用价值。AUV结构复杂,需考虑的故障机理、故障征兆、故障模式过多,已超出研究时间的限制,故本文以神经网络、模糊系统和AUV六自由度方程为理论基础,仅将AUV控制系统常用的传感器和推进器等关键组件作为研究对象,并以本单位在研的某型产品的实航数据作为训练样本,开展了AUV传感器和推进器的故障诊断和容错控制研究。主要工作有:(1)基于RBF和OS-ELM神经网络分别建立了一种训练样本动态变化的在线故障诊断模型,在此基础上设计了某产品深度传感器在线故障诊断方案,并以该产品实航数据为训练样本进行仿真试验,结果表明:该方案有效可行,能准确识别传感器的多种故障模式;(2)深入研究了神经网络信息融合理论,并根据某产品控制系统的各个传感器之间具有冗余信息的特点,设计了控制系统传感器信号重构方案,并将该产品的实航数据作为样本进行仿真试验,结果表明:该方案有效可行,能在一定精度范围内重构某故障传感器的输出信号;(3)将模糊数学与神经网络算法结合,建立了基于模糊神经网络的推进器故障诊断模型,并以某产品推进器电机的故障模式为依据设计了推进器故障诊断方案,最后以该产品的实航数据作为样本进行仿真试验,仿真结果表明:该方案有效可行,能准确识别推进器的各个故障模式;(4)深入分析了AUV的力学特性,建立了AUV空间六自由度方程,并以该六自由度方程为基础,设计了双推进器配置的容错控制方案,最后利用Matlab/Simulink软件进行仿真试验,仿真结果表明:该方案有效可行,能在一定精度范围内实现容错控制。