二十一世纪以来,随着我国经济的不断提升,国家开始着手发展海洋资源的合理开发及利用,其中网箱养殖是利用海洋资源的重要组成部分。因为海洋牧场多位于深海,用于养殖的网箱搭建在深海下,所处环境复杂,极有可能出现网衣破损、腐蚀、鱼类逃逸等情况,因此网箱定期巡检是网箱养殖过程中的必要环节。利用水下机器人动态巡检是未来重要发展趋势之一。本文围绕水下机器人自主网箱巡检问题开展相关研究,主要完成以下工作:（1）将网箱自主巡检问题转换成基于视觉或声学的水下机器人网箱巡检问题。并结合强化学习算法解决网箱巡检任务。因为强化学习以不断与环境交互、试错累计奖励的方式学习策略,在真实环境下试错成本太高,因此采用仿真环境进行训练。首先对养殖网箱建模;其次,对水下机器人的线速度、角速度、欧拉角等进行建模;最后对传感器参数、工作模式以及运动控制等进行建模,使之后的训练更加方便、有效。（2）提出基于SAC-AE结合视觉的水下机器人自主网箱巡检策略学习。本文将网箱巡检问题建模为连续动作的马尔可夫决策过程（Markov Decision Process,MDP）。将相机获取的图像作为状态,将动作定义为控制AUV的线速度和角速度。根据AUV偏移距离、航向、运行速度等因素设计了奖励函数。设计了策略的神经网络结构,并利用SAC-AE进行策略学习。自编码器（Auto-Encoder,AE）可有效从高维数据中提取低维潜在特征,有效地解决了SAC无法用原始图像进行训练并陷入局部最优的问题。仿真实验部分说明SAC-AE比SAC有优势。并证明该方法能够有效地解决水下网箱巡检问题,具有良好的适用性和实用价值。（3）提出基于PPO算法结合声学的水下机器人自主网箱巡检方法,同样将网箱巡检问题建模为连续动作的MDP。用侧扫声纳替换了AUV的摄像头,提取并计算侧扫声纳获取的最小距离、两边的距离差以及AUV的线速度和角速度进行重构作为感知输入;根据航向、偏离距离、运行速度等因素设计了多约束奖励函数,利用PPO算法学习出最优的网箱巡检控制策略,并与SAC算法进行对比,实验表明PPO算法更适用于此方法。并根据实际网箱网衣密度进行修改,实验结果表明AUV可以学到有效的控制策略。最终基于真实的AUV巡检网箱模式,尝试把AUV放在网箱内部巡检,并使用原始网箱框架。结果表明,依然能得到有效的控制策略,证明所提出的方法可以得到让AUV完成自主网箱巡检的控制策略。