局部路径规划是机器人技术中的关键技术之一,与全局路径规划相比,其更能体现出机器人的智能性。本文针对自治水下机器人(AUV)的运动特性和所处环境的复杂性,提出了一种设计AUV自适应局部路径规划器的方法,仿真实验表明该规划器能够使AUV根据海洋环境的变化调整自身的规划策略,较好的提高了AUV的智能性。由于海流是AUV局部路径规划中一个不可忽略的因素,所以本文首先结合AUV的运动特性,分析了海流对AUV运动的影响,在此基础上分为无海流和有海流两种情况设计了基于模糊逻辑的局部路径规划器。为了避免“维数灾”问题和AUV由于一味的避障而偏离目标点或者航线太远,本文采用分类模糊加权规则库,以保证AUV在避障的同时会达到目标点,在偏离航线不是太多的情况下不会和障碍物相撞。在没有海流或者海流较小的情况下,直接采用模糊规则就可以很好的控制AUV的运动。在有海流的情况下,由于人为经验与实际情况存在一定的偏差,所以引入Q学习机制对规则进行调整。为了改善Q学习的性能,本文针对Q学习中收敛速度慢、信度分配问题、探索和利用的平衡问题进行了讨论和改进。文中的Q学习并不直接调整AUV的动作,而是通过调整模糊规则隶属函数的宽度来达到调整规则的目的,使AUV具有适应环境的能力。最后,通过仿真实验对提出的理论方法进行了验证,证明了该方法的可行性和有效性。