随着海洋战略地位的提高,近些年自主水下机器人在军用与民用领域的重要性也日益凸显。良好的运动控制效果是自主水下机器人完成水下作业任务的基本前提与保障,因此开展自主水下机器人运动控制方法的研究具有重要意义。本文以某“核高基”项目中“橙鲨”自主水下机器人为研究对象,对运动控制方法开展了研究,提出了预测S面控制方法与一系列改进,并通过仿真实验进行了验证,主要包含以下几方面工作:对自主水下机器人的经典S面控制方法进行了简要介绍,分析了该控制方法在目前实际应用中存在的主要问题。根据研究对象的具体情况适当简化六自由度运动模型,并考虑海洋环境干扰因素,建立了自主水下机器人控制模型。结合预测控制与细菌觅食算法对经典S面控制方法进行改进,提出了预测S面控制方法,证明了该控制方法能够克服经典S面控制的主要缺陷,并具有良好的运动控制性能。为增强预测S面控制的实用性与对现场调整的适应性,提出了采用神经网络来建立控制器预测模型的改进方案,即现场采集航行数据作为样本,训练神经网络实现动力学模型辨识,建立基于神经网络的递推预测模型。建立预测模型网络与在线学习网络的并行结构,提出滑动窗口与学习判断来降低运算负担,并设计柔性过渡来降低模型切换带来的输出抖动,从而为预测S面控制添加了在线学习功能,使控制器能够更好地适应海洋环境的变化。