本文主要针对两类海洋机器人(Unmaned Marine Vehicle,UMV)系统即自主水下机器人AUV(Autonomous Underwater Vehicle,AUV)与近水面机器人USV(Unmanned Surface Vehicle,USV)系统作为被控对象进行运动控制算法的研究。本文所研究的AUV系统是一种“水下”机器入,虽根据任务需要有两种控制模式。USV系统是一种“近水面”运行的系统,根据任务需要既可在水面运行又可下潜到一定深度运行,系统下潜深度不同所受外界干扰不同,同时系统运行过程中,由于自身原因系统稳心高发生变化,故系统在运行过程中其控制模型会发生变化。　　 虽然比例积分微分(Proportional-Integral-Derivative,PID)控制算法由于其控制、参数控制作用明确而得到众多使用者的青睐,但是其控制弱点却不能忽视即比例环节会引起系统超调,微分环节过大会造成系统不稳定,积分环节则会引起系统调节时间变长等。由于UMV系统的强非线性与状态变量的强耦合性以及外界环境变化的影响,为了获取不同条件下鲁棒性较强的PID控制参数需要相关控制专家做大量的试验对控制参数进行分段调整。控制参数分段条件的约束,造成控制参数的离散化而引起系统运动控制性能受约束于所设的分段条件,如根据速度而分段设置的深度控制参数,在速度变化时由于控制参数的变化深度很有可能会发生抖动。　　 为了获取一种通用性强、控制性能好,且具有可扩充性的控制模块,提出了构建模型集设置控制库的多模型控制算法。多模型控制算法实现系统底层控制根据控制模型变化而自动调整控制策略,无需专家经验进行调整的目的。多模型控制算法本身所具有控制优势是能够根据系统控制模型的变化而自动调整控制策略且控制参数连续变化。为了实现UMV系统具有良好的控制性能,提出多控制策略如动态反馈法保诞系统运动误差指数衰减从而实现系统运动控制无超调或超调小、调节时间短等控制性能,采用滑模控制解决UMV系统的强非线性受外界干扰大等问题。　　 本文主要针对UMV系统的航向控制与深度控制进行多模型控制算法的构建,主要研究内容如下:　　 (1)UMV多模型集的构建。针对具有水动力参数的UMV系统,通过解耦方式将系统分为纵向速度模型集、航向控制模型集以及深度控制模型集共3个子模型集。通过对UMV系统6个动力学方程与6个运动学方程解耦,在子模型集下构建了多个子模型。针对无水动力参数的UMV系统,通过最小二乘辨识法构建了系统的航向与深度控制的临时子模型集。　　 (2)多模型切换控制策略的研究。多模型切换问题是多模型控制中的关键问题,切换策略设计的优劣关系到多模型切换系统能否稳定。针对系统各控制模型特点提出了三种类型的多模型切换策略,即基于权值设置的线性多模型切换,基于能量衰减的菲线性能量切换以及菲完全同态的多模型控制切换策略,并通过数字仿真验证了切换控制策略的合理性。　　 (3)UMV运动控制策略的优化研究。优良的运动控制策略是保证UMV系统具有良好控制性能的关键。根据所构建的UMV模型集中各控制模型特点提出了基于神经网络补偿的状态反馈法、基于滑模面指数衰减的滑模控制法、以及基于控制库的控制算法等。通过MATLAB仿真与半物理仿真平台验证了这些控制算法的可行性。　　 (4)基于控制参数估算的近水面UMV(USV)湖/海试现场试验研究。USV系统是一种近水面运动载体其受外界环境影响较大。在USV海试中,采用自调整PID控制系统的航向与参数自调整的动态反馈法控制系统豹深度,试验数据分析表明所设计的控制算法具有很强的抗干扰能力与鲁棒性。在USV湖试中,针对系统的航向控制构建了基于辨识模型集参数估计的动态状态反馈法,针对系统的深度控制采用了动态滑模控制,试验表明系统具有良好的动态性能。　　 (5)基于多模型切换的水下UMV(AuV)湖试现场试验研究。基于系统航向控制的多模型切换的动态状态反馈法与基于多模型切换的动态滑模控制法,多次试验证明控制算法其有良好的动态性能,且对藕合项的影响具有较强的鲁棒性。　　 综上所述,本文主要针对UMV系统自身非线性与外界环境干扰无法预测性进行多模型控制算法的研究,针对UMV系统多模型集,分析了线性与非线性多模型的切换控制策略,针对UMV系统运动模型特点对不同类型的控制器进行优化。在不同UMV载体(USV、AUV)上进行了多模型运动控制现场试验,试验证明所构建的控制模块具有较强的抗干扰能力与通用性。