自主水下航行器(Autonomous Underwater Vehicle,简为AUV)目前是世界各国海洋领域专家和学者们研究的热点。提高智能化水平是当今AUV研究领域发展的一个主要方向,因此本文将重点研究AUV的运动规划与运动控制问题,这对于加强AUV自主性及安全性、提高AUV完成多样性使命任务的能力,都具有重要的理论研究意义和实际应用价值。首先,本文以“海狸号”AUV作为对象,对其动力学模型和运动学模型进行了研究,为后续运动规划问题奠定基础。考虑到动力学模型各自由度之间存在耦合关系且含有非线性项,不便于运动规划过程的数值处理,本文采用简化的单自由度动力学模型用于运动规划。通过对“海狸号”AUV进行水平面机动特性仿真试验,验证了单自由度动力学模型的有效性,并完成模型的环境干扰力分析。其次,本文提出了一种基于梯度下降优化的AUV运动规划算法,并针对典型障碍环境下AUV的梯度下降优化算法有效性加以验证。仿真结果表明该算法在AUV穿越密集障碍时,能够成功规划出一条到达目标点的无碰路径;针对U型障碍环境下梯度下降规划算法陷入局部极值的问题,本文提出了一种控制输入采样的自适应策略,在局部极值点附近通过自动增大控制输入采样范围使AUV逃离局部极值区,从而克服U型障碍下陷入局部极值的不足。再次,本文引入模型预测控制思想,设计了一种基于采样模型预测控制(Sample Based Model Predictive Control,简为SBMPC)的AUV运动规划方法。通过直接对控制变量空间加以输入采样、将采样数据代入AUV运动的预测模型得到下一时刻AUV纵荡速度和艏摇角速度的预测值。根据已定义的性能指标对这些预测值的优劣进行评价,进而得出下一时刻AUV运动状态的最优预测值以实现AUV运动规划。为使输入采样点能够更完整、准确地反映控制变量空间的特征,在SBMPC规划算法的仿真试验中,本文比较了均匀采样、Halton采样和基于质心Voronoi结构的采样(CVT)方法对规划结果的影响,分析表明在二维平面内,当采样数相同时,CVT采样获取的点位置具有较均匀的覆盖性。仿真结果说明利用CVT采样和模型预测控制的滚动优化进行AUV实时运动规划,方法有效可行。最后,为解决AUV动力学模型存在的非线性问题,本文在设计AUV路径跟踪控制器时,运用反馈线性化方法在水平面内实现AUV非线性动力学模型的坐标变换,经简化后得到等价的伪线性动力学模型,在考虑海浪干扰影响下,针对该等价模型采用H∞鲁棒控制的混合灵敏度策略设计状态反馈控制器,最后通过坐标反变换的方法将伪线性动力学模型的状态反馈控制律进行逆映射,即得出AUV非线性动力学模型状态输出(纵荡速度和艏摇角速度)的跟踪控制律。仿真结果表明该控制方法有效实现了 AUV规划路径的跟踪,H∞控制器抑制了动力学模型参数变化对跟踪效果的影响。