伴随人类对海洋认知的不断深入和高新技术的快速发展,自主水下机器人(Autonomous Underwater Vehicle,AUV)在水雷探测、情报收集、海底资源开发、堤坝和管道检测等军事和民用领域的应用也日益广泛。随着对AUV的依赖程度越来越高,AUV的作业环境越来越复杂,对其运动控制性能的要求也在不断提高。良好的运动控制性能是AUV完成各项作业任务的基本前提。本文以提高AUV的运动控制性能为目标,在以下方面开展了研究:一、为有效开展AUV运动控制与参数优化技术研究,在介绍研究对象平台基础上,针对研究对象所配备的传感器和执行机构,搭建了AUV控制系统硬件和软件体系结构。二、对基于稀疏表示的滤波技术开展了研究。为提高传感器输出数据的精度,在数据稀疏表示理论基础上,介绍了数据稀疏性衡量方法,证明了稀疏表示最优解的存在及其唯一性,阐述了基于K-奇异值分解算法(K-Singular Value Decomposition,K-SVD)获得过完备冗余字典的具体实现,构建了基于稀疏表示的滤波系统模型,并在仿真实验中对AUV多普勒速度计数据开展了基于稀疏表示的滤波处理,在海上试验中对AUV多普勒速度计数据开展了基于稀疏表示的实时滤波处理。三、对基于滑模变结构的新型S面控制方法开展了研究。鉴于经典S面控制模型未考虑剩余浮力影响并且AUV在高速巡航时存在的较大剩余浮力影响其运动控制品质的问题,在控制模型中引入了滑模变结构和滑模面概念并增加剩余浮力控制项,提出了一种基于滑模变结构的新型S面控制方法,采用李雅普诺夫稳定性理论对所提新型S面控制方法开展了稳定性分析,阐述了推进器和舵联合执行机构的推力分配策略,并开展了AUV运动控制仿真实验和海上试验。四、对基于改进人工鱼群算法的控制参数优化方法开展了研究。鉴于现有研究未能很好解决AUV控制参数优化过程中目标函数极易呈现多峰分布的情况,在保留基本人工鱼群算法优异全局搜索能力的同时,对基本人工鱼群算法进行改进,通过引入自适应视野与步长,并且忽略拥挤度因子以强化鱼群追尾行为和聚群行为,提高了算法对控制参数优化的速度和精度,构建了AUV控制参数优化模型,并基于改进人工鱼群算法优化参数开展了AUV运动控制仿真实验和海上试验。五、对基于最小二乘支持向量回归机(Least Squares Support Vector Regression,LSSVR)交互网络的控制方法开展了研究。以提升控制器离线和在线学习速率和控制精度为目标,提出了一种基于LSSVR交互网络的控制方法,分析了交互网络中各模块功能及数据交互流程,介绍了LSSVR在线学习方法,对研究对象动力学特性进行了辨识,实现了控制律的离线设计和在线优化,并基于LSSVR交互网络开展了AUV运动控制仿真实验和海上试验。六、对基于LSSVR交互网络的控制方法、基于改进人工鱼群算法的控制参数优化方法和基于滑模变结构的新型S面控制方法与经典S面控制方法开展了对比海上试验。基于海上试验结果,从多角度对本文所述三种新型智能控制方法与经典S面控制方法开展了对比分析。