鱼类作为地球上起源较早的一类生物,经过亿万年的演化和自然选择,已经进化出无与伦比的游泳能力,对水下航行器的研究具有重要意义。深度学习对提高机器鱼水下的自主性和感知力方面起了很大的作用,本文将仿生机器鱼作为研究对象,将深度学习算法运用到机器鱼运动控制的研究上,搭建了仿生机器鱼平台,建立分析了机器鱼运动控制模型,并对模型进行了优化与改进,通过仿真和实验验证了深度学习对于机器鱼运动控制方法的可行性。具体研究内容如下:首先,综述了仿生机器鱼的技术背景和研究价值与意义,阐述了学习算法在机器鱼上的发展情况,并对发展的技术方法做了总结,最后简单介绍了本文的章节架构及内容。其次,阐述了机器鱼的机械结构,设计了研究仿生机器鱼系统平台,在如何控制机器鱼运动,如何与机器鱼通信,如何监控机器鱼游动模态,以及返回实时数据等方面做了详细描述,同时叙述了机器鱼系统平台的软件和硬件部分,对机器鱼游动模态做了实验数据分析。再次,为研究神经网络在机器鱼上的应用,建立了基于长短期记忆神经网络的机器鱼运动控制模型,并详述了建模步骤、可能遇见的问题以及参数的设定,并对机器鱼运动状态进行了实验设计,分析了仿真与实验结果。更进一步,将长短期记忆网络与后向传播神经网络和递归型脉冲神经网络进行对比,通过仿真和实验的分析比较神经网络的优缺点。分析实验结果发现,对同样的实验数据进行训练,长短期记忆神经网络能更快的收敛,得到误差较小,验证了其模型有效性。最后,针对损失函数值训练时长两个评价指标,对机器鱼运动控制模型进行了优化和改进。在前面长短期记忆神经网络模型的基础上,对仿生机器鱼进行运动训练,通过改变模型参数观察机器鱼的直游和转弯运动,并针对不同参数对机器鱼运动状态的影响进行仿真和实验设计,比较运行结果,验证了模型的有效性。