作为人类研究和开发海洋的得力助手，水下机器人在海洋工程领域正扮演着越来越重要的角色，尤其在海底电缆铺设、海底搜救、海底军事设施维护等工程领域。水下机器人能够在潜水员不可能到达的深度进行综合考察和研究，并能完成各种作业任务，在海洋开发中发挥着极其重要的作用。　　但是未知多变的海洋环境比陆地环境要复杂得多，加上水下机器人自身存在强耦合、非线性、欠驱动及模型不确定性，使得有效控制成为技术难点。本文结合遥控水下机器人和自治水下机器人的优点，设计了一款复合型自治-遥控水下机器人，即“SMU I”ARV(Autonomous Remotely-operated Vehicle)。文中详细介绍了该机器人的硬件系统组成和软件结构设计，并依据推进器的布置，构建了该机器人的牛顿-欧拉动力学模型。考虑该机器人的对称性和低速等特点，对模型进行了简化，并采用多新息最小二乘法(Multi-innovation Least Squares，MILS)对模型参数进行了辨识研究；随后进一步提出了机器人在载荷变化条件下的模型辨识方法，包括Kalman滤波辨识方法和小波级数模型辨识方法；接着利用生物启发神经动力学模型，完成抗驱动饱和路径跟踪控制器设计，并进行了路径跟踪控制算法的仿真实验研究；最后利用“SMU I”ARV，在试验水池进行了动力学模型参数辨识、状态控制和声纳避障等方面的试验研究。本文的主要研究内容和创新点概括如下：　　1)复合型水下机器人设计方法研究　　针对遥控水下机器人和自治水下机器人的应用局限性，设计了一款自治-遥控水下机器人，能够在自治航行中进行人为干预，完成一些精细操控作业；信息传输采用光缆替代电缆，可获得高质量的实时高清视频、遥测数据和操控灵活性，加上测距声纳的配合，使机器人可以更好地适应复杂未知的水下环境；利用CAN(Controller Area Network)总线对电池电压和温度进行监测，可有效避免电池起火和爆炸；设计的模糊PID状态控制器，可以更准确地控制水下机器人的运动状态。　　2)基于多新息的模型参数辨识方法研究　　针对稳态模型的辨识精度问题，进行了水下机器人动力学模型辨识算法的仿真实验研究。将多新息最小二乘法应用于纵向自由度动力学模型的辨识方案中，并和最小二乘法(Least Squares，LS)等方法进行比较，显示该方法可以获得更高辨识精度的模型参数。　　3)变载荷条件下的Kalman滤波及小波模型辨识方法研究　　针对动态模型的辨识精度问题，进行了水下机器人载荷变化条件下的动力学模型辨识算法的仿真实验研究。首先，将Kalman滤波方法应用到艏向自由度动力学模型辨识中，并和渐消记忆递推最小二乘法进行比较，说明Kalman滤波方法具有更强的时变参数辨识性能，收敛速度更快。其次，提出了DOG(Derivative of Gaussian)小波级数辨识方法，对纵向自由度动力学模型的动态特性进行辨识，并和Haar小波辨识方法进行比较，得出采用DOG小波辨识方法可获得更高的辨识精度。　　4)生物启发路径跟踪控制方法研究　　针对常规反步控制方法在路径跟踪中出现的速度跳变与推进器驱动饱和等问题，将生物启发神经动力学模型应用到水下机器人路径跟踪控制中。利用生物启发神经动力学模型的渐变和有界输出等特性，设计的反步路径跟踪控制器，可以有效克服水下机器人跟踪控制中的速度跳变，避免推进器的驱动饱和，满足水下机器人推进器的推力约束。这种控制方法可以有效地降低推进器发生故障的几率，从而延长推进器的使用寿命。