智能控制是当前水下机器人运动控制领域研究的热点,在很大程度上代表着今后的研究方向。水下机器人是各个自由度方向运动强耦合的严重非线性系统,其精确的运动方程通常难以获得,因而,智能控制是在水下机器人的运动控制中应用相当广泛。本论文旨在探讨智能控制技术在水下机器人运动控制中的应用,并以某一特定的水下机器人为研究对象,设计出性能优良的运动控制系统。本文在水下机器人六自由度空间运动方程的基础上,结合实际需要,对其进行简化,建立了多功能AUV的四自由度的动力学仿真模型。本文利用模糊控制原理,对原始S面控制器的可调参数k₁和k₂进行在线调整,使其适应不同航态下水下机器人自身水动力特性的变化,强化S面控制器的鲁棒性,改善其控制性能。同时本文还设计了一个基于改进的资源分配网络算法的RBF模糊神经网络控制器,该控制器将模糊控制同RBF神经网络相结合,采用改进的资源分配网算法,使其规则层的隐节点的个数可以在线调节,能使网络的数据中心值自适应变化,从而保证模糊神经网络以较小的结构满足控制系统高精度、高实时性要求。以多功能AUV为控制对象及试验平台,针对所设计的控制器进行仿真试验,试验结果验证了所设计控制器对于AUV运动控制的可行性。