近年来,随着海洋研究和开发的不断深入以及国防发展的需要,水下机器人所担负的任务也更加多样化,对水下机器人的智能化也提出了更高的要求。水下机器人作为具有人工智能的系统,要能够自主适应外界环境的变化,并自主决策完成操作人员下达的任务。水下机器人系统体系结构是水下机器人研究中非常基础和关键的部分,在水下机器人技术中有着重要的现实意义和实际应用价值。论文研究的目的是建立具有良好通用性的水下机器人系统体系结构,该体系结构适应于完成不同任务的水下机器人。论文以本实验室开发的某型智能水下机器人为研究对象,对水下机器人系统体系结构及动态障碍物感知、避障规划与控制,路径规划及运动控制等相关技术进行了研究。提出了模块化的设计水下机器人混合系统体系结构,明确了各个模块的功能以及模块间的相互关系。采用singer运动模型的Sage? Husa自适应卡尔曼滤波算法的动态障碍物感知方法,在满足感知精度和实时性的同时,而不会给水下机器人系统带来过大的资源消耗。在水下机器人动态避障行为规划方法研究中,提出了在速度矢量坐标下求解期望速度的避障规划方法。通过综合水下机器人运动能力、自身的速度、艏向、动态障碍物的速度、航向以及碰撞时间等多种因素,求解出实现避障的期望速度解集,从而按照最小艏向原则确定期望速度,使水下机器人能够对动态障碍物快速安全避障。对于避障行为的控制,提出了模糊参数自适应有限时间PD控制,该控制器能够根据避障的紧迫程度动态调整系统响应速度,并加入了协调器,减小了艏向和纵向控制的耦合效应,该控制器通过与避障行为规划紧密结合,构成避障规划控制一体化设计。对于复杂海洋环境全局路径规划问题,着重研究粒子群算法在复杂海流环境下的全局路径规划应用中粒子群维度、编码设计、参数选择、拓扑结构的设计方法。对于密集障碍物海流环境全局路径规划问题,提出了采用主干线二叉树搜索算法与粒子群相结合的方法,从而在实现了全局路径基础上,降低了路程花费。对于水下机器人的巡航行为控制,设计了神经网络并行自学习控制器,并成功的进行了海上试验。试验结果表明本文提出的水下机器人系统体系结构可以适应于不同任务需求的水下机器人,各个模块技术实用可靠。本文的研究成果对于各种水下机器人体系结构的建立及相关技术的研究具有一定的现实意义。