从上世纪90年代开始,仿生嗅觉机器人逐渐成为国际上的研究热点,即模仿生物利用嗅觉感知搜索、跟踪水下或者空气中化学等物质扩散形成的羽状流进而定位源头位置。利用机器人搭载化学传感器模仿生物嗅觉感知,自主搜索、跟踪化学羽流,最终实现机器人对羽流源位置的精确定位,其潜在的应用包括环境监测、搜索与救援、反恐、爆炸物清除以及海底考古和热液喷口定位等。赋予自治水下机器人(Autonomous Underwater Vehic]e,AUV)嗅觉感知能力,让其追踪化学羽流进而定位源头位置或热液喷口,其研究将具有广阔的应用前景和重要的科学意义。由于单体AUV受载体尺寸、携带能源以及自身所配传感器种类和数量的限制,利用其对羽流进行跟踪容易陷入羽流浓度的局部极值点而难以找到源头位置,导致羽流跟踪失败,而多个AUV组成的分布式系统具有高精度定位能力、时空分布的自适应测量能力以及复杂环境的自主规划能力,为自主探测羽流提供了新的途径。本文定义并且研究了一类非连续目标,即源头扩散的物质包括热液羽流、水雷释放出的物质、水中污染物、飞机黑匣子发出的信号、Pinger等一类被动扩散(依赖海流、风等)物质的跟踪方法。对基于仿飞蛾行为策略的单体AUV化学羽流探测进行了改进性研究。主要包括了对目标搜索和目标维持行为的参数进行了优化;在WeiLi[1]等建立的羽流模型的基础上,基于优化后的行为参数和载体参数开发了单体AUV化学羽流探测仿真系统;在单体AUV化学羽流探测仿真系统上实现了两种羽流源定位算法:SIZ_T和SIZ_F算法,连续1000次的蒙特卡洛仿真实验验证了这两种定位算法的有效性,以及SIZ_F算法较于SIZ_T算法的优越性。通过对仿生行为中,目标内维持行为的研究,提出了利用梯度方向跟踪方法,逼近目标源。同时为了改善梯度方向法,克服单一传感器的敏感性,提出了利用多目标优化的方法对这一方法进行改进。并且通过仿真实验验证了此方法的有效性。最后,通过Opengl和C++混编的仿真环境对整个行为方法的优越性进行了仿真验证,确认了本文的研究内容的有效性。本文为非连续目标的跟踪提供了一套有效的方案。