无人水下航行器(UnmannedUnderwaterVehicle,UUV)自主航海是执行任务的重要保障，是其智能水平的体现。自主航海是一个以全局路径规划为导引，实时获取局部环境信息，在线规避未知障碍物，进行安全航行的过程。当UUV探测未知海域时，由于自身状态和环境感知的不确定性，使规划和决策的依据不完备和不准确，会导致路径选择的不明确和实时决策的失误，甚至影响航海功能的实现。本文以近岸浅海应用的UUV为研究对象，面向大范围海洋探测作业任务，对UUV航海过程中的规划和决策问题开展研究，并充分考虑UUV的环境适应性和鲁棒性，解决在不确定因素作用下的全局规划、环境建模和避碰决策等关键问题。　　自主控制系统结构是UUV自主航海规划和决策的总体框架。本文从UUV自主控制系统结构研究入手，针对UUV信息交互量大和离散事件并发的特点，设计了基于分层多智能体的自主控制体系结构，采用多智能体实现内部互动和协作，提高自主航海系统的可靠性。根据UUV使命调度方法和自主规划要求，提出自主航海控制流程。　　针对导航误差带来的规划路径碰撞风险问题，提出一种基于导航误差空间(NES)的全局路径规划方法。根据UUV实际导航的特点，建立其导航误差传递模型。NES综合自身位置、导航误差和环境信息，将导航误差引入环境模型中进而转化为有确定代价的约束条件。为满足水下长航程隐蔽作业任务之需要，路径规划考虑碰撞概率、终点导航误差和最大航程等约束，以状态转移代价为目标代价函数，并应用A*算法搜索最优路径。仿真结果表明所提算法简捷、快速，可有效降低自主航行的碰撞风险和不确定性。　　针对前视声纳测量信息的残缺性问题，采用分区域声纳模型来处理声纳感知的不确定性，并设计滚动占有栅格地图（ROGM）对未知局部环境进行建模。ROGM由固定数量的概率栅格构成滚动窗口，各栅格的空间拓扑关系不变，只需跟随UUV运动做间歇移动，不需跟随UUV的运动而实时移动，从而减小建图的空间和时间开销。为保证滚动窗口内障碍信息的准确性，采用Bayes法则进行地图数据融合。ROGM可增强UUV与环境的交互性，满足避碰决策的实时性要求。　　针对静态环境中障碍物细节信息不完备和结构复杂的问题，设计了基于多行为矢量场直方图法（VFH）的避碰方法。VFH结合了栅格地图和势场法的优点，对不确定环境有较强的鲁棒性。为进一步改善VFH阈值敏感问题，根据障碍物的统计信息设计阈值自适应调整方法。为提高VFH在复杂环境下的适应性，提出基于多行为的避碰协调机制，设计直达目标、趋向目标的避碰和沿墙航行等行为模式，并依据UUV的运动状态和环境特征选择最优避碰指令。仿真表明UUV能有效逃离局部陷阱，适应不同的静态障碍环境。　　针对动态环境中障碍物运动不确定性问题，提出基于改进速度障碍法的动态避碰方法。基于障碍物历史信息进行匹配和分类，获得障碍物的运动属性。为防止大型静障碍物膨化过大，采用K-均值聚类算法对静障碍物进行聚类，生成多个构型障碍。采用最小二乘法对动障碍物的速度信息进行估计。根据最小会遇距离(DCPA)和最小会遇时间(TCPA)建立碰撞危险度评估模型，结合速度障碍判别条件，筛选重点障碍物进行避碰。考虑到障碍物的运动不确定性，对重点障碍进行膨化，并建立速度危险度模型。结合速度危险度、目标速度偏差和碰撞时间，设计优化目标函数，获取最优避碰速度。仿真表明避碰决策速度快，能在动障碍环境下获得良好的避碰效果。