智能水下机器人(AUV)作为当前人类水下探索和开发的主要设备之一,日益受到重视。AUV无人无缆在海洋环境中长时间工作,安全性尤为重要,故障诊断是AUV确保安全的关键技术。导航系统的正确性是AUV正常工作的首要前提,研究导航传感器故障诊断技术对提高AUV安全性、促进实用化进程具有重要研究意义和实际价值。本文以某AUV的DR/BDS组合导航系统为研究对象,分析给出常见导航传感器故障类型,在实际试验传感器数据基础上利用MATLAB仿真模拟出各故障类型数据,分析了故障对组合导航系统的影响,并从多尺度分析理论的角度入手,给出数据的多尺度解析方法。针对AUV导航传感器故障信号进行多尺度特性分析,给出了各类型故障在不同尺度上的表现特征,并提出了一种基于多尺度熵的信号提取方法实现了故障特征的量化提取。其次,利用神经网络对提取的多尺度故障特征向量进行识别分类,实现AUV导航传感器故障诊断。通过仿真实验对比了 BP神经网络与小波神经网络在AUV故障诊断中的性能优劣,试验结果证明了小波神经网络较BP神经网络学习能力更强,但性能仍不能精确诊断故障。最后为使网络学习性能达到AUV导航故障诊断的要求,对小波神经网络做出改进。加入了带动量-自适应学习速率算法优化网络的训练速度,加入Levenberg-Marquardt算法极大的提高了网络的学习性能。并通过试验对比验证给出,针对AUV导航传感器故障情况,本文提出的一种结合多尺度熵故障特征提取方法的改进LM小波神经网络故障诊断方法是可行且有效的。