近年来，随着海洋研究和开发的不断深入以及国防的需要，作为海洋高科技的重要组成部分的水下机器人，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控制系统来保证它安全地工作是至关重要的。实现水下机器人控制系统故障自主诊断是其智能化的重要体现。本论文的目的就是实现水下机器人控制系统的自主故障诊断以及处理，以防止控制性能的下降和故障的蔓延，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。论文针对于水下机器人传感器的故障讨论了其容错控制方法，对于推力器故障讨论了神经网络的故障检测算法。对于机器人出现的传感器故障，在分析水下机器人的解耦控制器及传感器系统的基础上，探讨了传感器出现故障时采用以滑模观测器输出代替传感器输出的容错控制策略。对于传感器出现的无法修复性故障，这种策略最小化了其带给机器人的损伤。对于传感器出现的跳变故障，则在跳变故障的时间内采用取代控制。对于水下机器人的推力器故障，本文着重于研究神经网络算法。针对于小波神经网络的隐层小波函数可以调节伸缩和平移因子影响网络输出的特点，将其伸缩和平移因子引入到最小扰动动态学习率的学习算法中。此算法通过计算动态学习率，使得小波函数的伸缩和平移因子以及网络连接权值的变化最小，从而提高小波神经网络的稳定性和收敛速度。使用这种小波网络对于机器人建模，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，分析残差提取故障判断准则，从而进行推进器故障诊断。试验结果表明本文的传感器容错控制算法以及推力器故障诊断方法可以对水下机器人控制系统故障进行在线检测以及容错。在此基础上，对于后继建立全面的故障检测以及容错控制系统提供了研究依据。这在水下机器人技术中有着重要的现实意义。