伴随着人类对陆地资源的大量开采与利用，有限的陆地资源日趋枯竭，于是各国将发展的目光投向了矿产资源蕴藏丰富的海洋。在水下机器人上搭载水下机械臂的水下机器人-机械臂系统(UVMS)是海洋资源开发利用的重要工具之一，引起了各国学者和科研机构的广泛研究。UVMS由自主式水下机器人(AUV)系统和水下机械臂系统两个子系统共同构成，它们具有强耦合、强非线性和运动学冗余等特点，因此UVMS协调控制技术成为目前研究中亟待解决的关键问题。本文主要针对作业型UVMS，从关节空间跟踪和运动学规划两方面，对其协调控制技术分别进行研究。　　本文首先对UVMS的总体方案进行设计，其中主要包括自主式水下机器人(AUV)、水下机械臂和辅助调节装置三部分。首先依据需求，对AUV子系统框架进行搭建。其次，对水下机械臂的性能参数进行说明，并确定水下机械臂的系统构成，在组装完成后进行测试实验。最后介绍辅助调节装置的目的与意义并进行相关方案设计。　　其次，对水下机器人子系统、水下机械臂子系统分别建立运动学和动力学模型，在此基础上对UVMS进行整体建模。在运动学建模时，利用欧拉角计算AUV的姿态，利用D-H法得到水下机械臂的齐次变换矩阵。水下机械臂安装在AUV本体上，通过坐标变换建立UVMS的整体运动学方程。在动力学建模时，对子系统在水下环境中的受力情况进行分析，利用牛顿-欧拉公式分别得到子系统的动力学方程，同时计算水下机器人和水下机械臂之间的相互作用力，在此基础上得到了UVMS的整体动力学模型。　　再次，本文设计了一种基于RBF神经网络的自适应控制算法，对UVMS的水下机械臂子系统进行运动控制分析，通过仿真实验验证该方法的有效性。采用双闭环积分滑模控制器对UVMS进行协调控制，并提出了一种优化滑模抖振的方案，通过仿真实验验证所提出方法及优化方案的稳定性。在水下机械臂进行水下作业过程中，会对AUV的俯仰运动产生一定的干扰，本文使用辅助调节装置通过调节系统重心来补偿该干扰。并对补偿装置设计模糊自适应PID控制算法，通过仿真实验验证该方法的可靠性。　　最后，为了解决UVMS运动冗余性的问题，本文采用了一种基于模糊算法的多任务优先级运动规划方法。该方法可以使末端执行器到达期望位置的同时，保证本体姿态稳定和避免关节极限，通过数值化仿真验证该方法的有效性。