UUV系统是一个“人难在回路”的复杂自主控制系统,采取有效的技术手段完成对UUV系统的航行演示对提高其安全性及可靠性具有重要意义。对UUV任务的同步推演实现其任务控制和任务执行过程的模拟仿真,可为试验人员提供一个辅助指挥决策的虚拟监控平台。本文以面向观探测任务的某UUV系统为研究对象,研究面向典型任务下的同步推演及位姿预测(Simultaneous Demonstration and Posture Predicting,SDAPP)技术所涉及到的相关内容和关键问题。首先,针对UUV通信及监控系统的特点,提出了面向任务的UUV同步推演系统框架结构。从实时仿真的角度出发,详细分析了 UUV任务推演系统需要实现的功能和设计要求,对该过程中所涉及到的航行器实体模型和背景环境进行建模。基于搭建的软硬件平台及UUV控制系统结构,建立了以UUV模型为核心的辅助输出位姿预测方案。其次,针对UUV黑箱模型,重点研究了利用试验数据逼近UUV仿真模型的方法。为了提高辨识精度,本文采用基干输出反馈改进的Elman神经网络结构,利用输入输出数据逼近UUV动力学系统特性进而获得神经网络结构表示的等价UUV黑箱模型,同时采用最小二乘方法对网络权值进行实时在线修正。网络训练样本来自湖试实测数据,采用置信区间分析法对其预测可信度进行评估,结果说明了该方法辨识的UUV黑箱模型具有较强的泛化能力。再次,针对航行器实际作业过程中存在海流等外部环境干扰的问题,为达到更加接近真件UUV航行状态的模拟效果,重点研究在海流干扰下的UUV模型输出位姿修正方法。采用三次样条插值函数对水文数据表中的海流数据进行拟合,并将获取的流速和流向信息对UUV黑箱模型输出航速及航向进行补偿。补偿海流后的模型输出数据更加真实反映了 UUV实际航行状态,进一步提高了位姿预测及同步推演的可靠性。最后,结合本文研究对象,设计海试中常用的三个典型任务航路开展同步推演与位姿预测仿真研究。分别为,用于观测海水CTD的“浴盆曲线”航路、侧扫声纳探测海底地貌的“割草机”航路和自持力试验长航程任务的“八字形”航路。通过推演实验与实测海试数据的回演实验,验证本文提出的方法可实现对真件UUV航行状态的同步模拟,并可根据推演结果达到对其航行位姿的实时预测。本义的研究结果表明,通过辨识UUV黑箱模型和补偿海流的同步推演平台具有良好的UUV作业演示效果和较强的准确性,可实现任务前的预演以及作业时的同步模拟等功能,为提高UUV系统的安全性与可靠性提供了强有力的技术保障。