近年来,随着AUV被广泛应用于军事、商业以及科研领域,关于其运动控制的研究越来越受到关注。本文主要研究AUV路径规划及轨迹跟踪控制两个问题。主要研究内容总结如下:（1）避障路径规划问题。主要解决两个问题:一是躲避水下障碍物;二是优化路径,使其尽可能的短,保证AUV在自身携带有限能源的前提下能够从出发地到目的地执行任务,并能安全返航。水下障碍物主要分为两类:静态障碍物和动态障碍物。静态障碍物主要指的是水下地形,而动态障碍物主要是指水中生物。本文只考虑静态障碍物。为了使AUV能够快速躲避障碍物,并安全到达目的地,本文提出了基于PSO算法的新型ACO算法对AUV进行避障路径规划。首先对进行路径规划的三维空间进行数学建模,然后利用“三维网格法”对三维空间进行分割,接着设计避障路径规划算法,同时考虑到AUV的姿态角约束。最后通过仿真实验验证本章提出的避障路径规划算法的有效性。（2）有/无时变扰动的欠驱动AUV轨迹跟踪控制问题。轨迹跟踪控制相对于路径规划要复杂得多,轨迹跟踪控制不仅仅要考虑欠驱动AUV自身的特性:运动学特性和动力学特性,还要考虑外部扰动。外部扰动是时变的,且会降低欠驱动AUV的轨迹跟踪准确性以及稳定性。针对无时变扰动的情况,首先利用欠驱动AUV的运动学模型、动力学模型以及期望轨迹建立轨迹跟踪误差系统,将轨迹跟踪控制问题转化为优化控制问题。然后设计在线双迭代的自适应动态规划（ADP）控制器,并对轨迹跟踪误差系统进行稳定性分析,最后通过仿真验证该控制器的有效性。针对有时变扰动的情况,首先,基于欠驱动AUV运动学模型,利用反步法提出了一个虚拟速度控制向量。其次,基于欠驱动AUV的运动学模型、具有扰动的动力学模型以及期望的位置和姿态向量和虚拟速度控制向量,建立带有扰动的欠驱动AUV轨迹跟踪误差系统。然后利用神经网络设计预估器来辨识时变扰动,并设计在线策略迭代的ADP控制器,还分析了带有扰动的轨迹跟踪误差系统的稳定性。最后通过仿真实验验证本章提出的控制器的有效性。（3）具有推进器故障或舵故障的AUV容错跟踪控制问题。推进器和舵是AUV重要的动力装置。一旦发生故障会降低AUV的轨迹跟踪准确性以及稳定性。针对具有舵故障和洋流扰动的全驱动AUV容错轨迹跟踪控制的情况,首先利用全驱动AUV的运动学模型、具有舵故障和洋流扰动的动力学模型以及期望轨迹建立具有舵故障和洋流扰动的轨迹跟踪误差系统,然后利用神经网络设计两个预估器分别辨识舵故障和洋流扰动,并设计在线策略迭代的ADP控制器,还分析了具有舵故障和洋流扰动的轨迹跟踪误差系统的稳定性。最后通过仿真验证该控制器的有效性。针对具有推进器故障欠驱动AUV容错轨迹跟踪控制的情况,首先利用欠驱动AUV的运动学模型、具有推进器故障的动力学模型以及期望轨迹建立具有推进器故障的输出反馈轨迹跟踪误差系统,然后利用神经网络设计观测器来预估推进器故障,并设计在线策略迭代的ADP控制器,还分析了具有推进器故障的轨迹跟踪误差系统的稳定性。最后通过仿真实验验证本章提出的控制器的有效性。（4）基于零和博弈的欠驱动AUV轨迹跟踪控制问题。欠驱动AUV在持续的、未知的扰动的影响下,更容易变得不稳定以及轨迹跟踪的准确性下降。于是将扰动和欠驱动AUV控制器看作两人博弈,引入了零和博弈机制。首先,基于欠驱动AUV运动学模型,利用反步法提出了一个虚拟速度控制向量。其次,基于欠驱动AUV的运动学模型、具有扰动的动力学模型、期望的位置和姿态向量以及虚拟的速度控制向量建立具有扰动的欠驱动AUV轨迹跟踪误差系统,将轨迹跟踪问题转化为零和博弈问题。然后设计在线策略迭代的单评价网ADP控制器,分析轨迹跟踪误差系统的稳定性。最后通过仿真实验验证本章提出的控制器的有效性。