传感器网络在军用、民用领域发挥了极其重要的作用,具有巨大的发展应用前景,引起了广泛关注。覆盖体现了传感器对目标、区域和事件探测感知的无损指标,是传感器网络的关键性能之一,也是传感器网络部署有效性的基本前提,如何有效提高对任务区的覆盖,是当前传感器网络研究的热点问题之一。然而现有的部署覆盖研究通常需要精确的全局信息引导、人工参与,以及部署环境比较理想简单,传感器的自适应性、鲁棒性和协同性较弱。因此,本文针对以上不足,结合实际应用需求,以覆盖为部署指标,考虑环境、目标和自身动态等不确定性以及目标连通、能耗、障碍物和通讯等约束,通过顶层优化规划和底层的覆盖控制律设计,在以上复杂条件下,将移动传感器网络稳定收敛到规划的状态中,实现最优覆盖性能的部署。本文主要的工作和创新点包括以下方面:(1)以具有覆盖价值区域位置未知作为环境的不确定性,针对此不确定性,设计基于分布式协同搜索的优先覆盖策略。节点形成不会分割的群组,通过协同搜索和自调节策略,实现重点区域的优先覆盖,覆盖均匀且避免节点间相互碰撞。在此基础上,为提高运动方向上的搜索效率,设计了一种基于直线编队的协同搜索方法和邻域跟随策略,实现快速搜索和优先覆盖。(2)以代表任务区覆盖价值的密度函数参数未知作为环境的不确定性,针对此不确定性,分别面向连续、离散目标,研究了环境不确定下的覆盖感知和环境不确定下的具有连通约束的离散目标最优覆盖问题。在环境不确定下的感知覆盖问题中,针对相关文献采用的切换系统的不足,设计一种基于虚拟领航者的自适应感知覆盖控制策略。首先,设计一条遍历任务区的闭环路径。其次,设计一种自适应控制律,使得传感器对自身覆盖范围内的感知达到满意程度。其中,环境中每点的重要性由未知的密度函数建模,通过神经网络在线学习密度函数的未知参数,并最终实现整个任务区域的完全感知。此外,在环境不确定下的具有连通约束的离散目标最优覆盖问题中,提出了一种不确定信息下的博弈图覆盖方法。设计了一种兼具环境开发和覆盖的效用函数,证明了该博弈是势博弈,通过EM方法来估计覆盖价值的密度函数参数,当估计误差大的时候,个体以开发环境收集样本节点为主,当估计误差减小时,个体以最优覆盖为主。从理论上证明了该博弈依概率收敛到纳什均衡解。(3)以传感器对所要覆盖的目标位置不精确作为任务区的不确定性,针对此不确定性和异构动态传感器网络的协同部署问题,提出了具有异构动态的移动传感器网络分布式凸交区域聚集策略。设定任务区为各个体局部感知的交集,网络包含具有一阶和二阶运动学的移动传感器。首先设计了分布式控制律,使得个体仅依靠自身的局部感知以及通讯范围内邻居个体的位置信息,就能汇集到任务区内一点。接着在此基础上,引入了人工势场,使得传感器分散部署在任务区的有界范围内。最后分析了参数对聚集效果的影响。(4)面向实际应用需要,针对符合实际工程的一类欧拉拉格朗日系统,研究了具有能量约束、模型不确定性两种情况下的优化部署问题。针对能量受限和能量平衡问题,设计了一种能量平衡的动态优化部署方法。首先基于剩余能量对任务区进行Voronoi分割,根据传感器剩余能量的不同,动态分配其部署的任务区域,使得传感器能量消耗趋于平衡,接着设计了能量受限的控制律,使得传感器能量不会低于指定的下界。针对自身动态的不确定性,研究了一类具有不确定参数的二阶欧拉-拉格朗日系统模型的动态部署策略,采用Backstepping反步法设计了控制律,使得系统能跟踪上期望轨迹,通过理论分析证明了该方法的收敛性,并分析了系统的唯一平衡点是Voronoi分割的质心,最后通过仿真验证了该方法能够在有障碍物的环境中,收敛到最优部署位置,使得覆盖最大化。(5)针对通讯受限和节能问题,设计了一种新颖的基于Event-triggered的覆盖控制方法。首先对任务区进行Voronoi划分,针对一阶积分器动态模型,设计了基于Event-triggered的控制律,与已有文献不同,设计的控制策略不需要实时和邻居保持通讯来获得实时的Voronoi划分,而是通过设计一个自适应估计参数对上一次触发时的质心逼近,并结合滑模变结构控制来设计控制律,从理论证明了当任务区有界、传感器速度有界情况下,能够完成最优部署,且不会出现Zeno现象。