随着科学技术和海洋研究的不断推进和实际应用要求的不断提升,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容错控制系统来保证它安全地工作是至关重要的。容错控制(Fault-TolerantControl,FTC)能使系统在发生故障的情况下,能够自动补偿故障产生的影响以维护系统的稳定性和尽可能的恢复系统故障前的性能,使系统运行稳定可靠。因此,容错控制为提高复杂系统的可靠性和安全性开辟了一条新途径。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,对传感器和执行器的故障分别进行容错控制,以防止控制性能下降和故障的蔓延,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。论文主要研究工作如下:首先,综述了水下机器故障诊断与容错控制的方法与研究发展现状。其次,采用优化的Elman神经网络对水下机器人运动辨识,并且探讨了几种改进的学习算法。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,从残差中提取故障信息以进行故障诊断。然后,分析了没有冗余的传感器的三种故障,分别进行容错控制。对于完全失效的情况,采用线性平滑处理;对第一类和第二类故障采用取代输出控制。最后,对执行器故障进行容错控制,给出了推力器重构的策略。分别对八个推进器可能出现的故障情况进行分析处理。试验结果表明本文的故障诊断方法和容错控制策略的有效性,在水下机器人技术中有着重要的现实意义。