水下机器人是人类探索和开发海洋资源的重要载体，随着海洋开发进程的加快，水下机器人技术受到人们的关注并得到快速发展。自主式水下机器人(AUV：Autonomous Underwater Vehicle)无人无缆工作在海洋环境，安全性是其研制和实用化过程中的重要问题之一，状态监测与故障诊断是决定AUV安全性的基础和关键技术，研究AUV状态监测与故障诊断技术对于提高AUV的智能化水平、加快其实用化进程具有重要的科学研究意义和实际应用价值。本文针对AUV故障诊断中基于数学模型方法诊断误差较大以及基于故障决策树进行推进器故障程度辨识精度较低的问题，主要从AUV的灰色定性模型建立、运行模式识别、推进器故障程度辨识三方面进行研究。研究AUV灰色定性建模方法。由于AUV工作在复杂海洋环境，AUV自身的非线性特性以及受海流等随机干扰，使得很难基于纯定量的方法建立精确的解析模型；同时，纯定性仿真方法建模时忽略了AUV系统有用的定量信息，使得在建模过程中产生的预测状态奇异行为分支较难过滤。因此，基于纯定量方法和纯定性方法进行AUV的故障诊断通常会出现随模型误差大而出现误诊的现象。针对该问题，本文将定性定量信息相结合，提出一种基于灰色定性仿真的AUV建模方法。该方法通过分析系统运行过程中各变量自身及变量之间的相互关系，来推导系统可能的后继状态，通过概率灰数、高阶导数以及持续时间的引入对后继状态奇异行为分支进行过滤，建立AUV正常运行以及典型故障模式下的灰色定性模型。基于AUV实验样机正常运行及典型故障模式下的水池实验获得实验数据，对比分析实验数据与灰色定性模型的一致性，验证本文AUV灰色定性建模方法的有效性。研究AUV运行模式识别方法。针对AUV观测变量多对在线诊断精度影响较大的问题，提出一种基于灰色关联分析的AUV运行模式识别方法，该方法对在线观测序列与各灰色定性模型序列进行关联度计算，通过判别计算所得关联度的大小来识别AUV的运行状态。针对基于灰色关联分析方法进行AUV模式识别过程中抗外部干扰较弱的问题，提出一种加权平均的灰色关联度综合评价方法，将AUV运行过程中相同定性状态个数作为权值系数融入关联度计算过程中，以增加系统动态信息。将定性化后的水池实验数据与各灰色定性模型进行相应的关联度计算和综合评价指数计算，通过比较实际运行情况各观测变量与各模型相应变量关联度的大小，验证本文基于灰色关联分析方法进行AUV模式识别的有效性，通过比较实际运行情况与各模型综合评价指数的大小，验证本文基于加权平均灰色关联度综合评价方法进行AUV模式识别的有效性。研究AUV推进器故障程度辨识方法。由于AUV观测变量较多，准确地选取包含故障程度信息的观测变量进行建模，对故障程度辨识结果影响较大。针对该问题，本文提出故障情况下对包含故障程度信息的观测变量的选取方法，通过对各观测变量的选取得到与故障程度相关的特征变量。针对基于故障决策树方法进行推进器故障程度辨识时辨识精度较低的问题，本文提出一种将三维曲面拟合与特征变量分形盒维数计算相结合的推进器故障程度辨识方法。该方法通过对匀速直航过程中右主推出力不足故障特征变量进行分形盒维数分析，建立速度-故障程度-特征变量分形盒维数的故障程度三维模型。对实验样机在水池环境中以0.3m/s匀速直航时，模拟右主推出力为正常出力的75%的故障获得实验数据，并对各特征变量进行分形盒维数计算，将计算结果带入所建立的故障程度三维模型进行故障程度辨识，将辨识结果与故障程度设定值相比较，验证本文推进器故障程度辨识方法的有效性。