微小型水下机器人具有体积小、阻力低、机动灵活、成本低、可批量生产、搭载方便的特点，它非常适合发展成为一种无人化、智能化的水下装备。而运动控制技术是微小水下机器人系统研究中的基础与前提。一个稳定可靠的控制系统也是微小水下机器人完成预期任务和水下作业的前提与保证。 由于微小型水下机器人尺度小，施力装置少，易受波浪、海流与漩涡等干扰，是一个强非线性参数不确定系统，且运行在复杂的海洋环境中，运动控制系统所面临的困难众多。并且，传感器较少，能直接获得的运动信息不足于控制其运动。因此，对数据处理，控制算法和推力分配有较高的要求。 论文以“WL”微小型水下机器人为研究对象。完善了适合微小型水下机器人的水动力模型，为微小型水下机器人的性能测试和控制器的设计提供了一个有效的仿真平台。 本文提出了基于S型隶属函数的模糊神经网络控制方法，并推导了网络权值学习算法，在没有过多损失整体控制品质的情况下，使其网络算法得到极大简化，运算速度得到了提高，反应能力得到了增强。 为了减少手工调整S面控制器参数所带来的困难和误差，本文提出改进的粒子群优化算法对S面控制器参数进行优化。采用动态压缩因子，加快粒子算法的收敛；设定监控因子，保证粒子算法的收敛；同时，在S面控制器中引入智能积分项，有效地减小控制器的稳态误差。 同时，本论文还运用了基于混合算法的T—S型模糊神经网络来控制“WL”微小型水下机器人。该网络采混合算法算法，并用后件网络自动调整运算规则，从而减少神经网络运算量，并且提高整个控制器的鲁棒性和适应性，保证即使在恶劣的情况下，控制器控制性能也不会有很大的降低。 最后，简要介绍了该微小型水下机器人的嵌入式控制系统，从硬件和软件方面介绍了该微小型水下机器人控制体系结构和其信息流程。