世界各国对海洋的探索从未停止,水下机器人作为海洋资源勘探的重要工具,是进行水下探索的重要工具。由于水下机器人工作时所处环境极为复杂,因此,保证其安全性是整个水下机器人完成水下作业的重要前提。推进器作为水下机器人动力源,导致推进器故障是主要故障源之一。由此可见,保障推进器安全可靠工作是很重要的,对推进器进行故障诊断是不可缺少的环节,研究推进器故障诊断中故障特征提取和增强有着重要意义。为进行推进器故障诊断方法实验验证,搭建了实验载体,针对实验载体调试过程中出直接关闭电源会导致下位机系统崩溃,设计了下位机关机监测程序。针对下位机关机之后推进器会突然达到最高速的问题,设计了推进器电源控制电路及程序。本文主要工作如下:首先,为便于后续研究进行了实验样机研制,主要包括水下机器人样机硬件电路设计及软件框架设计,主要包括动力系统电路设计、传感器电路设计以及推进器驱动电路设计等。软件框架设计主要包括数据收发程序设计、下位机监测程序设计、传感器指令发送及数据接收响应函数设计以及监测界面设计等。其次,研究推进器故障特征时频边界识别及故障特征提取方法。从时频角度出发进行提取,分别采用瞬时频谱熵和信噪能量差进行时域和频域边界划分。对实验数据采平滑伪维格纳威利分布算法、绝对值运算等进行处理,从而得到时频边界,对比故障能量集中区域,二者边界基本一致。对划分故障边界进行故障提取得到故障特征分布,相比与不设置边界时,时频能量故障特征和故障程度二者映射关系唯一。对所得故障特征进行故障样本构造,所得样本可实现故障特征准确分类。最后,研究推进器故障信号能量特征增强方法。采用时频功率密度谱极大值的小波分方法确定最佳小波分解尺度,对所得到的最佳小波分解尺度采用采用修正贝叶斯算法、时域卷积计算确定波峰区域能量最大值进而得到增强后的推进器故障特征。并对不同故障特征计算分别其最佳小波分解尺度。将所得实验数据按照前述方法进行处理,采用本文方法增强后的故障特征其波峰区域能量始终处于最高位置,并且远高于其它方法所得波峰区域能量。对多种故障程度进行小波尺度分解,发现不同故障程度对应的最佳小波分解尺度也不相同。