多水下机器人编队问题作为一个富有挑战性的研究方向受到了普遍的重视,已经成为自主式水下机器人(Autonomous Underwater Vehicle,AUV)系统典型性和代表性的研究问题之一。本文主要讨论了以下内容:多水下机器人系统体系结构、基于Fuzzy Q-Learning的AUVs编队路径规划方法、基于领航者法的分层式编队控制技术。首先,根掘经典的MAS体系结构,为课题研究的AUVs系统设计了基于黑板通讯的体系结构,并对该结构中的各个模块作了详细的介绍。该结构体系具有良好的通用性、可扩展性,并且能够增强AUV个体之间的协调协作能力。接着,介绍了强化学习和模糊控制的相关理论,针对AUVs保持编队运行过程中与环境障碍(包括静态障碍和其它AUV)间的碰撞冲突问题,开展了路径规划与避碰方法研究,提出了将模糊控制和Q-Learning算法相结合的避碰路径规划策略,利用MATLAB工具制定了相关隶属度函数和控制规则。然后,根据编队控制领域的问题,提出了基于领航者的分层式编队控制技术,将整个编队的层次分为:任务规划层、队形设计层、行为控制层和编队评价层四个层次,并初步探讨了编队容错控制问题,提出了基于传感器信息和控制矩阵的编队转换策略。最后,利用Visual C++软件进行了仿真验证,通过设计不同的编队案例,以及在不同的环境下运行,表明本文研究的AUV具有一定的环境适应性和自主学习能力,从而验证了所研究算法的有效性和可行性。