在面对大尺度、高时效的海洋探索与开发任务需求时,单个水下机器人的作业可靠性很难得到保障。多水下机器人协同技术由于其分布性和冗余性具有明显的优势,被各国研究机构广泛关注。编队控制作为多水下机器人协同技术的一个典型问题,是研究其它协同问题的基础。作为应用最为广泛的编队控制方法之一,主从式跟踪编队即领航者—跟随者编队方法依赖于对领航者的目标跟踪以及跟随者之间的协同编队策略。针对上述问题,本文提出了一种基于生物启发的多水下机器人协同跟踪编队策略以及基于视觉的水下机器人目标跟踪方法。本文对近些年来多水下机器人集群系统的研究现状进行了综述,对现有的水下机器人编队方法进行了归纳,并分析各自的优缺点;总结了水下机器人目标跟踪方法并提出了以视觉感知目标运动状态的方式来提高领航者—跟随者编队方法对水下环境的适应性。针对水下图像色彩对比度低、清晰度不高及光照不均匀的问题,对水下图像进行预处理并通过区域填充的方法去除倒影,搭建了水下图像采集系统,并通过相机标定矫正了水下相机参数。与此同时,基于YOLOv3深度学习算法及DSST相关滤波算法对水下目标实时视觉跟踪来感知目标的距离、方向等运动状态信息,并设计了基于模糊PD的水下机器人跟踪控制器。在对水下机器人进行运动学及动力学建模的基础上,基于鱼群行为的生物启发提出了一种多水下机器人协同跟踪编队策略。分析了其邻域拓扑结构并定义了三个行为规则区域,分别为避碰行为区、定向行为区及编队维持行为区,根据单一行为规则或多个行为规则的耦合得到水下机器人的运动学输出。在MATLAB平台下的数值仿真结果表明,所提出的基于鱼群行为的协同跟踪编队方法,在有限的运动学和动力学约束下,能够实现多水下机器人编队形成、编队维持及避障等行为。为了验证本文所提出的目标跟踪算法的有效性及可行性,采用海豚系列水下机器人在水池环境下,完成了基于视觉的水下机器人目标跟踪实验,在跟踪可靠性及响应时间方面取得了满意的结果。