操纵性是现代潜艇最重要的总体性能之一,良好的操纵性对于保证潜艇航行安全、充分发挥潜艇工作效能和战斗力,都有着极其重要的意义。潜艇操纵控制系统主要由操舵、均衡、潜浮和悬停分系统组成。本文主要针对潜艇悬停和操舵两个分系统进行研究。本文通过对潜艇空间六自由度运动模型进行分析,求得了一组适合于悬停控制系统的潜艇空间运动设计模型,并通过研究分析建立了水下悬停时干扰力数学模型,为基于模糊控制的潜艇悬停运动仿真研究提供了验证基础。针对潜艇悬停操纵运动的特点,通过构造模糊控制规则,完成了基于模糊控制的定深悬停控制器的设计。仿真结果表明模糊控制器能在潜艇定深悬停中起到很好的控制效果,并具有超调量小,调整时间短,鲁棒性好等优点。基本的模糊控制因为论域限制无法实现潜艇变深悬停,本文提出了基于变论域模糊控制的悬停控制器。通过设计双输入单输出的显遗传变论域模糊控制算法,完成了潜艇变深悬停控制。仿真结果表明,新的控制系统对于变深悬停能够达到良好控制的目的,可以提高控制精度,显示了更好的鲁棒性和抗干扰能力。针对水面航行的潜艇,易受到风浪高频干扰而产生频繁操舵的问题,本文提出了采用直接模型参考的神经网络自适应控制方法。在潜艇航向的离线辨识中引入了参考模型,通过参考模型的输出和潜艇模型的实际输出来调整RBF神经网络的权值,以达到潜艇水面航向的自适应控制,并且针对风浪干扰设计了切比雪夫II型滤波器。仿真表明结合切比雪夫II型滤波算法和直接模型参考神经网络自适应控制算法,能够很好地解决潜艇航向控制在海浪干扰下的无效操舵问题。针对潜艇垂直面运动存在严重耦合的问题,本文提出了采用神经网络辨识器、神经网络滤波器、神经网络控制器相结合的控制方案。辨识好的神经网络模型为控制器提供梯度信息,且用神经网络模型输出替代潜艇模型输出,以达到抗干扰的目的。通过引入Levnberg-Merqnardt优化算法对传统BP算法进行了改进,加快了BP网络的学习收敛速度和学习精度。采用的带局部反馈的RBF网络和实时递归算法能够进行垂直面的有效滤波。大量仿真表明,该控制方案能很好地解决有风浪干扰下的潜艇垂直面的无效偏舵。