模糊神经网络控制在智能控制领域应用非常普遍，特别适用于那些运动学特性难以进行数学表达的强非线性系统的控制。水下机器人是各个方向运动自由度强耦合的严重非线性系统，其精确的运动方程通常难以获得，因而，模糊神经网络控制是在水下机器人的运动控制中应用相当广泛。但是，其控制规则的获取往往非常困难，需要设计者具有相当丰富的经验知识。本文在水下机器人六自由度空间运动方程的基础上，结合实际需要，对其进行简化，建立了多功能AUV的四自由度的动力学仿真模型。同时简要介绍了一种针对此模型提出的模糊神经网络控制方法。针对模糊神经网络控制器控制规则较多，参数手工确定困难的特点，利用智能算法对其规则参数进行自寻优设计。研究了遗传算法、免疫算法和PSO算法的原理及其在工程优化问题中的应用，分别采用遗传算法、免疫遗传算法和PSO算法进行控制器规则参数的自寻优设计。同时，借鉴免疫算法的思想提出了一种HPSO算法用于优化设计。最后，将以上各种算法自寻优设计得到的控制器在AUV仿真平台上进行试验验证。仿真结果表明，采用智能算法进行AUV模糊神经网络控制器的自寻优设计是可行的。