随着陆地资源的不断消耗,人们开始探索新的资源。海洋蕴含着丰富的资源,水下机器人作为水下探测的重要工具正在被人们不断地研究。水下机器人及其机械手可以在水下完成一系列复杂的作业任务,极大地提高了水下作业的效率。为了使水下机器人在水下作业时保持较好的操纵准度,本文基于水下机器人的潜浮、进退和横向运动设计了模糊控制器,通过数值仿真和水下模型试验验证了控制器的有效性。同时,设计神经网络控制方法实现对UVMS(水下机器人机械手系统)的机械手的运动跟踪控制。本文在绪论中描述了水下机器人的概念及其分类,探讨了水下机器人及其控制算法的研究动态,并介绍了水下机器人机械手及其控制算法的研究动态。依据水下机器人的结构特征以及实际的运动情况,对水下机器人在水下所受的重力、浮力、推力以及流体水动力进行详细的分析,建立了其运动模型,为后续的模糊控制奠定了基础。基于UVMS的结构特征与运动情况,建立了其运动和动力学模型。接着介绍了模糊控制算法,结合水下机器人的运动特征,对模糊控制器的结构和控制规则进行研究,并基于水下机器人的运动模型建立了模糊控制系统,设计了模糊控制器并进行控制仿真实验,验证模糊控制方法的正确性和有效性。然后基于UVMS在水下操纵的特征,设计神经网络控制器实现对机械手的跟踪控制。为了保证控制器的鲁棒性,Lyapunov设计被应用到其中。为了检测所设计的控制器的有效性,设定了水下机器人机械手的具体参数,通过软件仿真的结果验证了神经网络控制方法相对于PD控制方法更具有优越性。最后,搭建实验平台。以本课题组的ROV(缆控水下机器人)为试验对象进行模型试验,验证本文所设计的模糊控制器的可行性。