现今，水下机器人已广泛应用于商业、科技和军事等多方面领域。作为海洋高科技的重要组成部分的水下机器人，其智能水平面临着更高的要求和挑战。由于水下环境复杂，为使水下机器人能安全地执行和完成水下作业任务，研究其故障诊断技术是极为必要的，也是其智能化的重要体现。 推进器作为多数水下机器人主要的运动执行部件，其故障的有效检测与诊断，是水下器人安全性的不可忽视的一环。在水下机器人进行水下作业工程中，推进器故障会对作业的顺利完成造成障碍，甚至引发灾难性的后果而导致不可估价的损失。 本文针对推进器故障特征及其与水下机器人运动状态的关系，研究探讨了水下机器人推进器的故障诊断方法。 在水下机器人控制系统基础上，设计了水下机器人故障诊断系统，主要包括水下机器人运动状态监测子系统和推进器故障诊断子系统。前者主要由机器人运动模型和故障检测模块组成，应用Elman神经网络建立了水下机器人运动模型，通过比较运动模型输出与实际测量值获取故障信息；后者则主要由推进器状态监测器组和故障检测模块组成，采用RBF神经网络为每个推进器建立状态监测器，并形成了推进器状态监测器组，通过分析监测器输出值与实际状态测量值产生的状态残差来获取故障信息。 故障信息融合模块为有效地综合两子系统的故障信息，引入了D-S证据理论，将各子系统的故障信息进行全局与局部的信息融合，并提出了信息融合故障诊断规则，实现了推进器的故障诊断。为提高故障诊断结果的可靠性和可观性，提出了故障诊断可信度及故障程度判定指标，有效地降低了误诊率。 故障模拟实验结果表明本文的故障诊断方法可以对水下机器人推进器故障进行在线检测，为进一步的容错控制提供依据，以保证机器人在故障状态下安全返航甚至完成作业任务，在水下机器人技术中有着重要的现实意义。