水下无人航行器(Unmanned Underwater Vehicle,UUV)在海洋资源的开发与探索的进程中担负重要一环,是水下智能装备中的重要组成部分。其中UUV任务航行的稳定性与安全性是水下工作的关键与基础,而UUV传感器与执行器更是UUV最重要的运行部件,传感器与执行器的正常运行是UUV任务航行平稳开展的重要负荷。针对UUV传感器故障与执行器故障展开故障诊断与容错控制的研究,解决UUV因故障而造成的航迹偏离、完成UUV任务航行中航迹自纠偏,对UUV的水下航行工作有着重大价值。本文针对DVL失真故障与推进器故障引起的UUV航迹偏离问题,从DVL故障检测与重构、推进器推力损失故障诊断与故障程度辨识与多故障下的UUV航迹自纠偏三个方面进行研究。首先给出了水下无人航行器航迹自纠偏系统硬件概况。分析了UUV载体所使用的传感器系统与执行机构的功能作用,以及传感器系统与推进系统的故障对航行轨迹偏离的影响。设计了UUV在推进器推力损失故障和DVL信号失真故障下的航迹自纠偏系统结构。提出了DVL故障检测与重构方法。使用鲁棒性强、准确性高的鸡群算法思想,对广义回归神经网络所使用的平滑系数计算方法,果蝇优化算法进行修正。新算法收敛时间约为传统算法收敛时间的三分之一,精确度更高。提出使用神经网络构建了DVL预测信号与计算DVL输出信号的样本熵的方法,解决UUV内部复杂磁场造成DVL失真故障,结果表明在分析复杂变化的DVL输出信号时计算信号的样本熵能够准确的辨别DVL信号失真状态,并在神经网络的预测下能够得到UUV的航行速度。给出了推进器推力损失故障诊断与故障程度辨识方法。提出使用样本熵算法计算确定小波分解后的最优尺度,以及使用小波最优尺度重构法降低外部干扰的影响。仿真结果表明,使用小波最优尺度重构法对UUV推进器推力损失故障的电流信号进行分析,能够准确高效的检测出故障发生的故障特征。提出对小波最优尺度重构信号使用贝叶斯算法,以解决UUV内部磁场环境复杂、对推进器信号的故障特征提取产生严重干扰的问题。实验结果表明对电压信号的小波最优尺度重构,能够得到更加清晰的贝叶斯算法下的推力损失故障特征。提出了UUV在舵故障下的航迹自纠偏方法。使用海流估计原理与DVL故障检测与信号恢复算法DVL预测信号的干扰修正,以解决外部的海流干扰对DVL传感器的影响以及UUV在应急导航下的偏离,修正了DVL重构信号的海流干扰,实现了DVL故障下的UUV应急导航与自纠偏。设计了UUV艏向角积分S面控制器、纵向速度积分S面控制器,对UUV艏向角、纵向速度的闭环控制,配合推进器故障诊断与辨识算法,对UUV推进器推力损失故障进行容错控制,解决了推进器推力损失故障的容错控制问题,实现了UUV直航自纠偏航行。