随着陆地上不可再生资源的日益减少,海洋在人类生存发展中的地位愈加突出,海洋开发需要先进技术和装备。水下机器人是目前唯一能够在深海环境中工作的装备,随着海洋开发进程的加快,对水下机器人技术提出了更高和更迫切的要求。自主式水下机器人(AUV:Autonomous Underwater Vehicle)无人无缆自主完成水下探测与作业任务,安全性和可靠性是AUV研究和应用中的关键问题。作为在复杂海洋环境中工作的载体,状态监测与故障诊断是保证AUV安全性的基础和核心技术。AUV故障诊断理论的研究对提高其安全性具有重要的科学意义和实际应用价值。本文以开架式水下机器人实验平台“海狸”号为研究对象,针对海洋环境中外部干扰下的AUV系统故障诊断问题,根据模糊定性仿真理论,针对传统模糊定性仿真方法中模糊定性状态序列的形式无法表现出系统同一模式的共性特征的问题,提出了采用模糊定性状态转换序列形式的模糊定性模型表示方法；为了区分AUV不同运行模式,提出了对传统模糊定性状态转换规则的转换类型进行细化分类标定的方法。将AUV动力学模型、历史过程数据中各变量变化趋势关系转换为各变量之间的模糊关系,通过模糊关系过滤结合时序过滤进行模糊定性推理,得到AUV各正常运行模式以及各故障模式下的模糊定性模型。在AUV模糊定性模型的基础上,建立了基于决策树的AUV故障诊断体系,给出了其基本要素的确定方法。根据不同模式模糊定性模型输出预测状态之间的差异值以及变量隶属度信息,构造训练样本,建立分层决策树进行模式分类以及故障程度识别。针对AUV在线诊断工作量大以及难以实现故障程度判别的问题,提出了基于分层决策树的故障类型判定以及故障程度识别方法。在本文所提出的故障类型判定以及故障程度识别方法的基础上,进行了“海狸”号水下机器人推进器、传感器典型故障的在线仿真实验研究,验证了基于模糊定性模型的AUV故障诊断方法的可行性。通过定性化处理之后的实验数据,与所建立模型中的各正常模式以及各故障模式的模糊定性状态序列的比较,对机器人的模糊定性模型的准确性进行了仿真实验验证。进一步采用故障模糊定性诊断方法获得故障辨识结果,验证了该方法在水下机器人故障诊断中的有效性。