随着河蟹需求的增加,河蟹养殖规模不断扩大。河蟹养殖过程中用工成本高、劳动力短缺等问题日渐尖锐,养殖设备机械化、自动化的要求越来越高,水产养殖业正逐步向智能化、现代化和协同化的方向转变。无人艇作为一项人工智能技术发展下的产物,在养殖投喂等农业领域中扮演着重要的角色,经济效益可观。针对河蟹养殖过程中,饵料投喂存在局部点投喂不足的问题,为降低河蟹养殖人工使用,利用无人艇实现局部投喂点自主导航。本文以无人艇为研究对象,主要研究了无人艇多投喂点的全局路径规划和运动控制方法问题。理论实验仿真与实船下水试验相结合,验证方案的可行性与有效性。主要完成的工作内容具体如下:（1）针对无人艇作业环境特征及运动特性,搭建坐标系统及无人艇运动模型。首先,建立两种坐标系以及坐标转换方程;其次,建立三自由度平面运动方程,并对进行线性化、无量纲化操作,简化状态空间型方程,得到二阶野本模型;考虑到无人艇作业环境,引入了环境（风、浪和流）干扰模型。（2）针对单一算法寻优能力不足的问题,提出基于改进PSO-ACO的全局路径规划算法。首先,为提高算法规划的准确性,建立基于蟹塘环境的静态水深栅格模型;其次,针对粒子群算法（Particle Swarm Optimization,PSO）在全局路径规划中存在搜索精度低的问题,提出了一种对惯性参数与学习因子非线性自适应调整改进算法,同时,由于蚁群算法（Ant Colony Optimization,ACO）寻优初期信息素少和收敛慢,研究了信息素挥发因子和启发期望函数对蚁群算法的影响,并对其进行优化;最后,PSO算法有较好的全局搜索范围与效率,可以帮助蚁群算法得到一组信息素增强量,而ACO算法有较好的全局搜索能力与搜索精度,但由于初始信息素信息缺乏导致搜索速度慢,两种智能算法相互融合,优势互补,解决了单一算法寻优弊端的问题。在两种投饵策略环境下进行仿真实验,证明PSO-ACO融合算法的优越性。（3）针对无人艇在运动过程中,存在控制精度低和滞后性差等问题,改进变前视距离的视线（Line Of Sight,LOS）路径跟踪算法,并提出一种基于改进PSO算法整定PID控制参数的方法。针对于传统LOS导引律算法存在的问题,从接纳圆半径的自适应调整和引入积分项补偿误差两种方法入手,改进了变前视距离的ILOS导引律算法,并对其进行李雅普诺夫稳定性分析,算法在横向偏差ye=0渐近稳定;提出无人艇PSO-PID航向控制器模型,利用改进PSO算法整定PID航向控制参数,并建立目标函数作为无人艇运动特性的评价指标;完成直线和圆周路径跟踪实验仿真,证明运动控制算法的优良性。（4）完成无人艇控制系统的实现和实船试验。水面无人艇控制系统主要由岸基系统和船载系统组成。实船试验过程中,预设了多个坐标投喂点,并进行全局路径规划,得到期望轨迹。无人艇在期望路径上进行航向的控制与路径的跟踪,借助于MATLAB仿真软件,对上位机获取到的坐标点信息进行绘制,得出实船试验运动轨迹。试验结果证明本文方案的可行性与有效性。