随着无人技术的快速发展以及人类对海洋资源的开发,水下无人航行器（Unmanned Underwater Vehicle,UUV）已经被广泛应用于海洋观测、水下目标探测、区域值守等领域。尤其是近年来海上、空中事故频繁发生,UUV由于具备方便运输、高自主性、经济性等优点,被多次用来进行海底失事目标残骸搜探作业。因此,本课题针对水下失事目标搜探问题,开展多UUV任务规划与分配方法及策略研究。本文主要研究内容如下:首先,对多UUV搜探水下目标的任务规划问题进行分析,根据水下黑匣子声波信号特点以及实际工程需求,将水下目标搜探作业分为寻找黑匣子位置坐标和对水下失事目标残骸进行覆盖探测两大内容,并建立UUV搜探作业中涉及的任务环境、水下目标信号、UUV主被动声纳设备相应的数学模型。其次,针对水下黑匣子搜寻作业需求,提出一种基于改进神经网络模型的多UUV搜寻水下目标的任务规划策略。通过将UUV任务区域进行栅格化,从而得到包含环境信息的单元格,再将神经网络模型中的神经元与单元格对应。根据实际工程需求和UUV运动过程,将UUV运动代价函数赋予单元格,单元格再将环境信息和运动代价函数通过数据融合得到信度函数,将信度函数值作为神经元的活性值。UUV根据所处位置周围的神经元活性值选择下一时刻目标位置,使得UUV搜寻水下目标作业过程中的能耗更小,并对上述方法进行仿真试验验证。再次,针对水下失事目标残骸覆盖探测,设计了基于生物平衡原则的任务分配方法和适用于近海底环境的UUV区域覆盖探测水下目标的路径规划策略。将失事目标残骸所在的核心探测区域通过Voronori原理进行分区,再利用生物平衡原则对UUV任务负载进行均衡分配。根据UUV在近海底环境进行覆盖探测作业的实际情况分析,结合智能单元格信度函数,设计UUV区域覆盖探测水下目标的路径规划策略。最后,基于Qt开发平台,完成多UUV搜探水下目标仿真界面搭建。然后在该系统上进行多UUV搜探水下目标的仿真试验,试验结果表明本文设计基于改进神经网络模型的多UUV搜寻水下目标的任务规划策略和基于改进单元格的覆盖策略有效、可行。