自主式水下机器人自主能力的真正含义是具有和外部环境进行交互的能力,这种交互的一个重要方面就是具有全局路径规划以及突发事件下的动态重规划和躲避障碍的能力。要实现水下机器人的自主航行和自主作业,机器人的路径规划是一个重要环节,研究水下机器人的路径规划技术对于提高其智能化水平和加快工程化应用进程具有重要的意义。本文以“十五”国防预研项目(4131607)和“十一五”国防预研项目(51316080202)为背景,对自主式水下机器人在海洋环境下的全局路径规划技术、局部路径规划技术、避碰规划技术、区域探测路径规划技术进行了深入的研究。首先,介绍了水下机器人动力学模型,以及水下机器人的系统组成,概述了水下机器人体系结构的研究现状,并按照精度随智能降低而提高的原理(IPDI)为某型水下机器人设计了分层递阶控制体系结构,它分为六层三列,按照这个体系结构实现的自主控制可以满足任务的需要。提出了海洋环境下的全局路径规划方法。针对海洋环境障碍物分布稀疏的特点,提出了用于小范围区域全局路径规划的最短切线路径算法,它计算简单、运行效率高。针对大范围海洋区域,提出了基于VCF电子海图的多目标优化遗传算法。算法采用可变长的实数坐标的染色体编码方式,在适应度评价函数的设计中综合考虑了多个影响因素,不可行路径被加以惩罚值也参与了种群进化。设计了选择、交叉、变异、修补和删除等五类遗传算子,在生成初始种群和设计遗传算子时引入领域知识,以实现所生成路径尽量不穿越障碍区域的目的,有效地提高了算法的收敛速度。该算法实现了用尽量短的时间在大范围海洋区域规划出一条近似最优路径的研究目标,规划路径合理可行。提出了基于模糊逻辑的局部路径规划方法。在复杂的海洋条件下,导航、传感等数据本身就存在着巨大的不确定性和不准确性,此方法可用来处理这些近似信息。在分析了海流、障碍物和机器人三者之间的关系后,得出相应的模糊规则表作为局部路径规划的依据。该方法综合考虑了海流的影响和机器人平台的运动特性,以相对简单的形式较好地解决了考虑海流影响的水下机器人局部路径规划问题。模糊控制理论用于机器人路径规划同样会出现局部最小问题。提出了基于传感信息的实时路径规划方法,通过设置虚拟目标点以及follow-left-wall行为和follow-right-wall行为的激活和退出条件,使水下机器人能够脱离局部极小状态从而达到目标位置。提出了基于传感信息的反应式行为自动设计方法,将避碰路径规划行为当成一个整体进行设计,不必考虑如何分解行为,采用Q学习对机器人反应式行为进行自主学习,以产生期望的优化行为。学习结束后抽取的控制规则作为反应式行为去执行,这样产生的行为不仅更具目的性和适应性,而且具有反应式行为的较高的反应速度。另外,针对学习系统的输入输出空间是连续变化的要求,提出了一种Fuzzy Q(λ)学习算法,它将模糊理论与Q学习相结合,采用Q(λ学习算法不断更新模糊规则库中的结果向量权值直至其收敛,从而得到一个完整的模糊规则库。提出了基于区域探测作业任务的全覆盖路径规划算法。对基本区域设计了权值梯度法和单元分解法,对含有障碍的一般区域,将整个区域划分为若干个子区域,设计了基于关键点的单元分解策略,针对邻接图构造过程中出现的问题,提出了一种IN/OUT关键点匹配算法,可以保证无遗漏地搜索区域内的所有子区域单元。为跟踪所规划的目标路径,设计了水下机器人的路径跟踪控制策略,综合考虑到任务需要及艇体的运动能力来获得机器人在移动过程中的目标指令。机器人执行区域探测作业任务的仿真试验结果验证了算法的有效性,算法可以满足实际应用的需要。