21世纪以来,人类对海洋的研究达到了一个新的阶段。随着陆地资源的日益缩减、全球变暖和海洋军事力量多元化发展,世界各国把更多的目光投向了海洋,水下设备的研究也随之增加。其中,无人水下自主航行器(AUV)研究进展尤为突出,在海洋科学研究、开发和军事应用等方面得到了应用。由于海底地形的复杂性和海洋因素的不确定性,AUV本身的安全问题,即如何躲避障碍物,是开展AUV工作的一个重要问题。本文的核心是设计AUV的避碰算法。首先,介绍AUV的分类、现状和在海洋研究、开发和军事活动中的应用,介绍了路径规划和实时避碰控制研究现状。接着,利用分层遗传算法,给出路径规划。其中把环境模型设置成一个16×16的网格正方形,每个网格边长为1,网格中存在一些障碍物,有两种形式:仿真漂浮和沉船障碍物。对于两种障碍物形式,利用分层遗传算法,分别给出了从起点到终点但不能穿越障碍物的最优避碰路径。然后,建立二维垂直平面内AUV“REMUS”状态控制方程,在其中加入海流效应,状态量包括垂直相对速度、俯仰角速度、俯仰角、深度。控制算法是基于李亚普诺夫二次型最优化的反馈控制算法,并设置了前视声呐海底仿真信息。实时避碰控制算法包括两方面内容:实时避碰算法和控制算法。在离散时间系统中,初始化AUV状态,在每一个仿真时间节点,在实时避碰算法中,根据前视声呐探测窗口内海底仿真信息,计算得到下一时刻深度输入值,即深度目标值,当没有障碍物的情况下,确保深度输入为海底之上3m,当发现障碍物的情况下,AUV的深度输入随障碍物高度提前变化,确保AUV与障碍物之间最小距离为3m;在控制部分中,把上一时刻状态量作为下一时刻状态初始量,对该深度输入值进行响应,不断循环得到仿真所有时刻的状态量。对不同海流情况下矩形和不规则障碍物,利用三种深度输入形式,进行了避碰仿真。仿真结果表明:不同深度输入形式,对于不同障碍物的避碰效果不同,对于不规则多障碍物,选择适合深度输入形式,进行了仿真,能够达到避碰目的。最后,结合路径规划和实时避碰控制两方面内容。当没有新的障碍物出现或障碍物高度小于原来路径规划中的已知障碍物时,AUV追踪规划路径,即把路径规划深度作为深度输入,最优化控制算法对其进行响应;当出现新的障碍物且其高度大于路径规划中的已知障碍物时,实时避碰控制算法开始运行,给出新的深度输入,AUV对其进行响应,避开障碍物后,AUV重新追踪原来的规划路径。通过四种仿真情况,可以看出结合路径规划的实时避碰控制算法,对于周围障碍物信息不完全清楚的情况下,能够保证AUV的安全。