系统辨识技术应用广泛，用神经网络来建立水下机器人的运动模型，通过运动状态数据直接来辨识水下机器人的运动特性，可以作为自适应控制器的辨识器，也可以作为虚拟传感器，可以为故障诊断提供信息等，因此对智能水下机器人这种复杂的非线性系统进行辨识将具有重要的理论意义和实用价值。本论文就是将系统辨识技术应用于哈尔滨工程大学研制的某型号水下机器人。本文的研究将对水下机器人技术的进一步研究有很大意义。 论文首先分析了多种神经网络结构的优缺点，利用水平面类Z形运动试验数据在参数设置，环境设置等方面进行调整，研究适合水下机器人系统的神经网络以及应用于在线辨识的网络，形成一套对现行网络的分析方法和参数调整规律，并对各种神经网络结构进行对比检验。特别是对RBF网络的中心点问题进行深入的研究，并利用改进的RCRBF网络使误差大大减少。同时对在线辨识的运动参数估计进行讨论，以便用于容错管理。论文从实用角度出发针对多输入多输出系统，设计神经网络模型，在算法的编程实现上，尽量利用已知的程序模块，以便于修改和利用。在误差管理方面以一定的误差范围和误差出现次数为跳出程序的条件，试验证明是可行的，并可以大大节省循环的次数和辨识的时间。 本文利用系统辨识技术辨识出水下机器人的运动参数，结果表明辨识得到的运动模型是可靠的。本文的方法对于水下机器人操纵与自适应控制的研究有较大的实际意义。