21世纪是海洋的世纪,占全球75﹪面积的海洋将是这个世纪,也是未来人类赖以生存的环境.海洋,对于人类的发展和社会进步将起到至关重要的作用.自主式水下机器人(AUV)将是未来海洋探测和开发,以及完成各种水下智能作业任务的重要工具.针对水下机器人的动力学特性以及考虑到复杂的海洋环境,本文重点研究神经网络技术在水下机器人运动控制中的应用.由于水下机器人具有较强的非线性特征,而且很难建立一个较为精确的数学模型,同时,海洋环境中存在许多不确定因素,因此,传统的基于模型的控制方式不能很好地解决水下机器人的运动控制问题.神经网络技术的出现,由于其非线性特征和具有自学习、自适应能力而成为一种蓬勃发展的智能控制技术,在各行各业都得到了长足的发展.然而,神经网络存在收敛速度慢,稳定性差的缺陷,这在一定程度上制约了其在实际工作中的应用.本文基于水下机器人这样一个试验平台,通过优化神经刚络的学习算法来提高网络的收敛速度及其稳定性,并在一个良好的控制机制(运动意志)下实现了水下机器人的自主运动控制.从试验结果来看,效果很好.采用神经网络技术,既可以较好地解决水下机器人空间运动过程中各个自由度之间的耦合效应,又能够适应机器人载体和海洋环境的变化,很适合于用来设计控制器.本文着力于神经网络的算法研究,经过优化,我们可以看出,将神经网络技术应用于水下机器人的运动控制中是可行的,而且取得了不错的效果,这对水下机器人的运动控制以及神经网络技术的应用都起到了一定的推动作用.