随着人类对海洋资源的需求和探索,水下机器人的应用场景非常广泛,由于智能控制的发展,水下机器人的跟踪控制策略也受到越来越多的关注。本文研究了在不同控制策略下具有状态约束的水下机器人分布式自适应协同控制问题。针对具有状态约束的水下机器人编队系统提出了命令滤波反步跟踪控制方案;针对渐近收敛情况下存在的收敛速度慢、抗干扰性差等问题,提出了具有状态约束的多水下机器人系统的有限时间分布式自适应一致性跟踪控制方案。论文研究的主要内容概述为:1.针对具有状态约束的多水下机器人系统的自适应一致性跟踪问题,提出了一种基于径向基神经网络的命令滤波反步控制方案。在该方案中,未知非线性动力学部分使用径向基神经网络进行近似处理;虚拟控制量通过命令滤波器的处理,降低了计算量;构建了误差补偿机制以进一步解决滤波误差对系统性能影响的问题。控制系统能够保证位置状态的一致性跟踪误差达到预期的收敛效果,并且不会超出约束条件。最终,以Matlab/Simulink仿真的形式展示了方案的控制效果与性能。2.针对状态约束水下机器人的渐近收敛控制策略存在抗干扰性弱、收敛速度慢等问题,提出了一种自适应命令滤波有限时间控制方案。在使用有限时间命令滤波器处理虚拟控制量的同时构建了误差补偿机制,不仅降低了计算量而且避免了滤波误差对系统造成影响的问题;利用径向基神经网络逼近技术处理系统中的未知非线性动态。最后证明了提出的控制器可以保证位置跟踪误差在有限时间内收敛到期望邻域内,而且不超过预先定义的状态约束。通过仿真验证了控制方案的正确性与可行性。3.从单体水下机器人的有限时间跟踪控制研究拓展到水下机器人编队的有限时间跟踪控制研究,设计了一个全新的基于神经网络和障碍李雅普诺夫函数的有限时间命令滤波反步协同控制方法。虚拟控制量经过有限时间命令滤波器的处理,简化了计算;构造误差补偿机制来避免滤波误差对控制性能的影响;系统中的未知非线性动态由神经网络技术进行逼近。控制方法能够使位置状态的一致性跟踪误差在有限时间内收敛至期望邻域,同时不超过预定义的约束。最后,通过仿真模拟证实了所提供的控制算法的可行性,并且与渐近收敛控制策略和有限时间动态面控制策略进行了对比,证实了控制方案在抗干扰性和响应速度方面具有优势。