海洋面积远大于陆地面积,且资源丰富,人类对海洋的探索只是冰山一角,随着我国陆地资源的不断紧缺,海洋资源的开发便显得至关重要,因此水下辅助采油机器人的研制成为了重要发展方向之一。然而水下辅助采油机器人受海洋恶劣环境的影响、自身机械臂的干扰以及许多不可预估的因素等,对姿态控制产生了很大的影响。因此为了拥有更好的作业效率,核心技术就是要保证水下机器人的姿态控制稳定,对此展开了水下辅助采油机器人的姿态控制方法研究。首先,充分调研了ROV的研究背景及意义、国内外研究现状以及姿态控制算法的研究现状,对水下机器人总体方案和结构进行了设计,着重研究了水下控制系统的设计,并针对水下辅助采油机器人进行了模型建模。然后,着重研究设计了两种基于ROV模型的姿态控制方法。一种是在传统S面的基础上,通过BP神经网络来对S面控制进行在线调参,同时对水下机械臂进行了坐标系建立和运动学模型建模,分析了机械臂运动时引起的干扰,通过优先对此扰动进行观测和补偿,补偿以后的二次调整,再由BP神经网络S面控制来保证姿态控制更加稳定和全局收敛;另一种是在传统S面控制基础上,引入基于LM训练算法的RBF神经网络,对S面参数进行在线寻优,实时调整;同时考虑到RBF网络的训练效果较为依赖初始值的选取,再用粒子群遗传算法对神经网络的初始值进行优化,设计了一种基于PSO-GA算法离线优化和RBF网络在线调整的姿态控制方法。通过MATALB分别进行仿真,仿真结果表明了两种控制方法对水下机器人姿态控制的稳定性和可靠性。最后,研制了水下辅助采油机器人控制系统,针对技术需求对所设计的ROV控制系统关键部位进行调试与分析,并在学校海韵湖进行姿态控制实验。实验结果表明ROV能够满足指定要求,并具有优异的姿态控制能力。