水面机器人,也称无人水面船舶、无人水面艇、自主水面艇,是一种能够在水面环境下安全自主航行,并能够自主完成各种任务的水上智能运动平台。与有人驾驶的船舶相比,无人水面机器人有许多突出的特点,如体积小、航速高、机动灵活、无人员伤亡危险等。因此,在海洋资源勘探、海岸地形测绘、环境采样和监测以及搜索和救援等任务中,水面机器人发挥了越来越重要的作用。多水面机器人的协作是可靠、高效地完成上述任务的重要保障。协同编队控制设计是多机器人协作的一个关键技术。考虑到复杂的海洋环境、水面机器人的航行安全需求以及水面机器人所搭载的传感器的有限感知范围等实际因素,多水面机器人系统的协同编队控制研究极具挑战性。本文在总结前人工作的基础上,系统地研究了复杂海洋环境下不确定多水面机器人系统的协同编队控制问题,提出自适应神经网络预设性能编队控制设计方法,不仅确保了编队跟踪误差满足预先给定的暂态及稳态性能指标,而且实现了编队系统中的每个跟随者与其领导者始终保持通讯连接以及避免碰撞的控制目标。论文首先针对具有模型不确定和外界时变干扰的全驱动多水面机器人系统,提出能够确保通讯连接保持和碰撞避免约束条件以及控制性能约束条件满足的排编队控制设计方法。为了确保编队误差满足预先给定的暂态和稳态性能指标,两个指数衰减的性能函数用来描述编队误差的上下界约束。采用预设性能控制方法对受约束的编队误差进行转换,并针对转化后的误差进行控制器设计。采用神经网络对系统的不确定动态进行在线估计,并设计扰动观测器对外界时变干扰进行估计。基于神经网络和扰动观测器设计了自适应预设性能编队控制器。该编队控制器可以有效地补偿系统的不确定动态和外界干扰,同时该编队控制器不仅能确保队列中的水面机器人之间不发生碰撞,且又不超出它们之间的通讯范围,还能确保编队误差满足预先给定的暂态及稳态性能指标。其次,研究具有更加一般性的领导者-跟随者结构的全驱动水面机器人系统的编队控制问题。为了确保编队误差满足预先给定的暂态和稳态性能指标,两个指数衰减的性能函数用来描述编队误差的上下界约束,且通过恰当地设计性能函数的最大值使得性能约束条件包含碰撞避免约束条件。应用动态面控制技术避免了实际控制器使用虚拟控制器的导数,从而避免了使用领导者的加速度信息作为反馈信号的需求;神经网络被用于在线估计系统的不确定动态。由于进一步考虑了系统质量参数未知的情况,因此采用自适应控制技术来估计未知的质量参数以及未知扰动的上界。所设计的编队控制器不仅能确保编队误差满足预先给定的暂态及稳态性能指标,还能确保编队中的每个跟随者不与其领导者发生碰撞。然后,研究具有模型不确定且受到外部时变干扰的欠驱动水面机器人系统的预设性能编队控制问题。由于所考虑的欠驱动水面机器人的质量矩阵均是非对角的,从而出现了转向力矩同时作用于横荡速度的动态方程和艏摇角速度的动态方程,进而使得控制器设计面临如下困难:需要构造一个转向力矩的控制输入来同时镇定这两个动态系统。为了克服这个困难,首先研究单个欠驱动无人水面机器人的轨迹跟踪控制问题。通过深入分析欠驱动水面机器人系统的特性以及现有的横截函数方法,提出了在反步设计中的第二步引入横截函数,并构造出新颖的横截函数。通过横截函数引入额外控制输入量使得系统中可设计的控制量与系统的自由度相等,从而克服非对角质量矩阵和欠驱动特性带来的控制设计困难。基于上述的横截函数方法,论文进一步研究连接保持和碰撞避免约束下的欠驱动水面机器人领导者-跟随者编队控制问题。采用领导者-跟随者的编队结构,针对每个跟随者设计控制器使得领导者始终在跟随者的有限感知范围内且跟随者与其领导者之间不发生碰撞。由于针对每个跟随者设计控制器时仅使用了群体中的部分信息（即,由跟随者所搭载的传感器测量的与其领导者之间的相对距离和相对视角）作为反馈信息,因此所设计的控制器是分散式的。最后,研究动态环境下由多个同构的欠驱动水面机器人组成的编队系统的协同编队控制与学习问题。利用径向基函数神经网络对系统中的不确定动态进行学习,并通过在神经网络权值更新率中加入邻居的权值估计值,从而实现多机器人系统以共同协作的方式对不确定动态进行学习的目标。基于坐标变换、barrier函数、动态面控制技术、神经网络和Lyapunov综合法,设计出非奇异的自适应神经网络编队协同控制器使得初始有通讯连接的水面机器人之间既能继续保持连接但又不会发生碰撞,并确保编队误差满足预先给定的暂态和稳态性能指标。结合确定学习理论,证明所设计的编队控制器能够以共同协作的方式局部精确地学习系统的不确定动态,并把所学到的知识存储到常值神经网络中。利用所学习到的知识,进一步设计基于经验知识的编队控制器实现提高控制系统性能并减少神经网络计算量的目标。通过对自适应神经网络编队控制方法和基于经验知识的编队控制方法进行对比仿真研究,仿真结果表明利用神经网络学习到的经验知识可以有效地提高控制系统的性能。