智能水下机器人(Autonomous Underwater Vehicle,AUV)整合了人工智能、信息融合、模式识别、自主控制、系统集成等方面的技术,在众多民用和军事领域都发挥着不可替代的作用。良好的操纵性是AUV完成各种复杂水下任务并顺利返回的基本保障,操纵性的研究也成为了分析AUV总体性能的重要组成部分。水下运动特性研究中,掌握操纵运动规律,正确建立动力学模型是开展其他性能分析与改进工作的基础。在设计初期,结合任务需求对AUV的操纵性进行综合优化,能有效的提高艇体的航行效率和环境适应能力。本文对AUV的动力学建模方法和基于改善艇型的操纵性优化方法进行研究,主要完成以下工作:对计算流体力学基本方法进行简要介绍,并以SUBOFF潜艇直航阻力为例,对数值模拟中的网格无关性进行研究,为后续的计算分析确定最佳网格方案。在此基础上利用CFD模拟PMM模型试验方法,对SUBOFF和HEU潜艇模型的水动力系数进行辨识并与试验结果比较,大部分系数的计算误差较小,验证了所选数值计算方法的可靠性。为了提高AUV的动力学建模效率,提出一种高效的水动力系数辨识方法-空间拘束运动模拟方法。基于该方法仅需一次计算即可求得空间运动方程中的全部水动力系数。通过对两个不同特征潜艇的计算分析,验证了新方法的可靠性。初始动力学模型中系数众多,且部分系数对艇体的运动影响甚微,因此结合显著性检验方法对动力学模型在保证预报精度的前提下进行简化。根据AUV的运动特征,研究了AUV操纵性的综合评价方法。该方法包含垂直面运动、水平面运动以及续航力三个方面,综合考虑了各运动的操纵性指标。并引入了改进的层次分析法,该方法克服了传统评价方法的缺陷,形成了更科学、客观的AUV操纵性能评价方法,避免了仅对单一操纵性指标进行评价的局限性。受限于水动力系数求取工作的复杂性,鲜少有AUV艇型参数对操纵性指标的灵敏度分析研究。文中以空间拘束运动模拟方法为基础,首先对三种经典的近似模型方法进行对比分析,建立对文中所述问题拟合能力最强的Kriging模型。其次,结合所建立的近似模型采用局部灵敏度和全局灵敏度分析方法,研究AUV的操纵性衡准指标对设计参数的敏感性。最后,量化操纵性指标对艇型参数变化的响应情况,分析当设计参数在一定范围内变化时,各操纵性指标的改善或恶化程度。结合灵敏度分析结果和操纵性综合评价理念,研究了如何快速得到满足任务条件的AUV最优初始方案。现有的研究成果中,在设计初期,AUV艇型的确定更依赖于设计者的经验和已有资料,因此,很难全面的考虑不同任务需求下的操纵性衡准。此外,确定性优化设计或传统稳健设计方法中近似模型预测误差易导致优化解约束的失效。针对上述两个问题,文中建立了考虑设计参数和近似模型两种不确定性的AUV操纵性综合优化方法。该方法结合蒙特卡洛法对不确定性进行了量化,可靠性更高。应用该方法分析舵翼的面积一定,只改变艇型参数时,几种不同任务需求下得到的AUV最优艇型。最后同时考虑艇体参数和舵翼面积,对特定任务需求下的AUV进行综合优化。