水下机器人[1]，也称无人遥控潜水器。是一种工作于水下的极限作业机器人，可以在一般技术达不到的深度进行多种作业。随着市场需求不断增长，我国海洋开发事业正处于蓬勃发展阶段，,所以研发适合我国使用需求的水下机器人显得十分必要和紧迫。水下机器人的应用领域非常广阔，包括海洋开发、海洋研究和水下工程等，一些发达国家也把水下机器人应用于军事中。水下机器人将成为未来水下战争中完成特殊作战任务的重要设备之一。

国内外专家学者根据水下机器人的不同智能化程度和使用需求，将水下机器人分为四类[2]：分别有拖曳式水下机器人TUV(Towing Underwater Vehicle)、遥控式水下机器人ROV(Remotely Operated Vehicle)、无人无缆水下机器人UUV(Unmanned Underwater Vehicle)和智能水下机器人AUV(Autonomous Underwater Vehicle)。TUV和ROV均带缆，由母船上人工控制；UUV和AUV均无人无缆，自主航行，分别由预编程控制和智能式控制。

水下机器人的作业环境一般情况下不适合人类直接参与，这就需要借助机器人的力量在未知环境下独立完成各种任务。机器人进行有效地环境探索是建立模型和完成各种复杂智能任务的关键，在实际应用中也具有重要意义。水下机器人构建地图的过程实际上就是一个机器人根据传感器的感知对其活动环境建模的过程，水下机器人的建模和自定位是紧密相关的。

1。2  AUV路径规划算法

AUV路径规划技术可概括为以下几种：

（1）栅格法

栅格法将移动机器人工作环境分解成一系列具有二值信息的网格单元[3]，用栅格法表示环境模型中存在障碍物的概率，若某个栅格范围内不含任何障碍物，则称此栅格为自由栅格，反之称为障碍栅格。

（2）人工势场法

人工势场法把机器人在环境中的运动看作一种在抽象的力场中的运动[4]。目标点对移动机器人产生引力作用，障碍物对移动机器人产生斥力作用，引力和斥力的合成控制着机器人的运动。

（3）模糊逻辑控制

模糊逻辑控制是以模糊集合论、模糊逻辑、模糊语言变量以及模糊推理为基础的一种非线性的计算机数字控制技术[5]。此方法实现的自主机器人虽然智能程度低，但是实用性强，适用于未知环境下的路径规划。

（4）神经网络法

神经网络是由大量简单的神经元相互连接而形成的自适应非线性动态系统[6]，具有较强的学习能力，比较适合不确定和高度非线性的控制对象。首先用神经元网络来描述环境地图，再通过设置神经元的值来表示地图状况，最后通过对神经网络的训练来获取最优的无碰撞路径。

（5）遗传算法

遗传算法的基本思想是将路径个体表达为路径中的一些中途点[7]，并转换为二进制串。该算法是在路径规划研究中较常用的方法，可以在确定的环境模型中获得较好的路径规划结果。

（6）蚁群算法

蚁群算法不但具有全局最优性、并行性等特点，还有个体间高效的通信协作方式[8]。基本原理是：蚂蚁在觅食过程中会在走过的路径留下一种物质，我们称为信息素，蚂蚁能够感知信息素的存在及强度，并依靠此来找到运动方向，并且且蚂蚁倾向于朝着物质强度高的方向移动。

1。3  本文研究内容

本文主要研究三维水下环境中AUV的三维地图构建和路径规划问题，利用D-S信息融合算法不断融合声纳在前、后时刻采集的信息动态构建AUV三维水下栅格地图。在AUV动态构建出三维水下地图的基础上，结合生物启发神经动力学模型，进一步实现三维路径的规划。采用这种集成路径规划方法，不仅使了水下机器人有效地避开了环境中的静态障碍物，更能灵活地避开动态障碍物，并很好地解决了路径规划的“死区”问题，保证水下机器人在水下环境准确到达目标点进行工作。