在水流速度不断变化的流场中,机器鱼航向极易受到干扰。本课题针对在实际水下环境中机器鱼对航向的高稳定性要求开展研究。基于机器鱼自身搭载运动状态感知传感器获得的航向信息反馈,进行了机器鱼姿态调整的控制器算法设计。目的是使机器鱼在变化流场中能够克服水流扰动并保持航向稳定,并尽可能快速地将受到干扰导致的航向偏差收敛至零。为此展开了如下研究工作:首先建立了机器鱼的外部流体力学模型和关节动力学模型,作为仿真设计中的被控对象。为设计控制器,根据机器鱼波状摆动的运动规律,确定一种中枢模式发生器（CPG）运动控制模型来生成各关节对应的驱动信号。在引入航向角偏差反馈后,CPG信号发生上下偏置,机器鱼相应关节转角做出相应的调整,进而达到航向调整的目的。然后为了获取最优的机器鱼转向动态特性（快速、超调小）,并且考虑到CPG控制器参数整定规律难把握等问题,本文采用粒子群优化（PSO）这种进化类寻优算法对CPG中涉及航向调整的参数进行优化。以此获取最优的参数组合来实现航向偏差快速收敛。最后针对机器鱼动力学建模复杂和参数不精确等问题,本文采用浅层BP神经网络来处理这个问题。在不进行物理试验的情况下,通过建立简单的机器鱼数学模型来替代其物理系统生成训练数据。首先根据模型生成的数据训练得到相应的辨识器网络,即被控对象。然后选定一个动态性能较好的输入输出作为训练标准,利用辨识器网络的实时输入输出数据对控制器神经网络进行训练,从而获得完整的模型参考神经网络控制器。此设计虽然并没有进行物理试验,仅使用机器鱼转向的数学模型来生成训练数据,仍然能够为真实的控制系统提供一种解决方案或思路。本文的所有的仿真设计均采用Matlab/Simulink完成。