进入21世纪以来，在陆地资源日益匮乏的背景下，许多国家加快了迈向海洋的步伐，人类越发重视对海洋资源的研究、开发和利用，各个海洋技术大国掀起了水下设备研制开发的热潮并把智能水下机器人作为热点研究领域。智能水下机器人技术作为机器人学领域里的一个重要分支，有十分广阔的使用前景和应用价值。近几年，AUV的研发水平发展迅速，已经应用于海洋科考、商业领域和军事领域，并且起到越来越重要的作用。为了应对复杂多变的海洋环境，智能水下机器人必须具有安全性和自主性。自主性体现在AUV和水下环境交互的能力，而实时控制与自主运动规划是交互能力的重要方面之一。确保AUV安全性和自主性的核心技术是智能控制技术，包括自主规划、控制与状态监控。机器人技术是一项多门科学互相交融的高新技术，为了提升智能水下机器人的智能水平和推进其投入实际应用的进程，需要对AUV的自主规划、信息融合、人工智能、自主监控技术进行深入有效地研究。首先，本文分析了国内和国外智能水下移动机器人的研究现状和发展前景，并且对移动机器人的路径规划研究现状进行了介绍，梳理了路径规划的各种方法，分析了不同路径规划方法的优缺点，为深入研究路径规划并应用其解决实际问题作了准备。然后，分析讨论了各种典型搜索算法的特点，提出了一种基于禁忌搜索的全局路径规划方法。在构建的路径任务重要性分层模型的解空间结构内，通过启发式策略，采用多重禁忌列表的方式避免重复搜索过程，在有效的资源条件下获取一条更加满意的规划路径。该方法规则多样，适应性强，能满足不同搜索规则的要求，能高效率的完成水下机器人的全局路径规划。最后，在详细分析人工势场法特性的基础上，讨论了引力函数和斥力函数可能导致的路径规划缺陷，提出了一种改进的方法。该方法将水下机器人声纳采集信息用于路径发现和障碍物碰撞避免，采用全新的环境信息描述和目标信息描述方法，通过动态调整引力函数和斥力函数的举措，及时调整水下机器人的行驶方向，成功解决了传统方法存在的目标不可达和局部最优问题，提升了机器人的躲避障碍物能力，并对传统人工势场法发现路径的性能进行了完善。