随着人类对海洋探索力度日趋加大,作为海洋开发和研究主要工具——智能水下机器人(AUV)被广泛应用于深海及各种高危海域作业中,在这种高复杂海洋环境中AUV主要依靠自身配备控制类软件智能化执行作业,一旦AUV自身软件出现故障如何确保及时修复已成为一项重要研究课题。本文针对于老化及系统调度异常引起AUV智能决策类软件故障问题,构建一套基于POMDP(Partially Observable Markov Decision Processe)模型三层微重启自修复系统确保能够智能、及时和高效性修复AUV软件突发性故障。本文实现一套针对于AUV软件故障问题解决方案,方案中使用三层微重启作为故障修复手段,构建POMDP自修复模型用于生成最优修复策略。首先,通过对AUV智能决策软件及软件运行平台VxWorks系统进行故障模式影响分析,设计出模块化的AUV软件故障修复体系结构,确保对软件故障自动修复。其次,为了解决传统故障修复方法修复代价高、效率低等问题,本课题采用微重启技术构建具有低开销的故障修复方法,并结合AUV软件分层式编写特点设计基于三层微重启实现形式,便于修复动作选取灵活性和修复高效性。再次,在AUV软件故障修复策略方面,本课题针对于AUV软件故障状态部分可感知性构建POMDP自修复模型使用基于历史数据学习方式生成模型参数,并将PBVI算法引入到自修复策略求解中,同时改进PBVI算法将其应用于自修复在线策略求解中,确保自修复系统能够针对于AUV软件老化及运行异常引起的故障问题自动决策出最佳修复方案。最后,考虑当环境变化时基于历史数据学习到的自修复模型参数不能很好拟合真实故障环境问题,设计在线自修复模型参数学习算法确保自修复系统能够适应真实环境变化。为了验证自修复方案整体可行性,本文通过仿真实验对自修复策略求解算法进行收敛性和实时性验证,对故障修复自动化流程进行准确性验证,对故障修复效果进行最优性和稳定性验证,同时基于实验数据分析影响自修复效果主要因素。实验结果表明,本文实现的AUV自修复方案对于软件老化及系统调用引起的AUV软件故障能及时决策出最优修复动作并且修复效果较好,对于处理AUV水下运行期间出现突发故障具有较好科研和推广价值。