1.3.2自适应控制

自适应控制是现代控制理论的重要组成部分，刚开始是用来解决航天航空的控制问题，它能根据工作环境的变化进行智能调节，使系统按照设定的期望工作在最好的状态。自适应控制的实现是以数学模型为基础，在系统运行过程中不断地提取相关信息，因此能即时辨识、学习和调整控制规则，逐渐完善系统模型，这个过程能使系统的控制性能得到改善。并且自适应控制规则是通过递推设计，使设计过程结构化、系统化，可以控制多阶非线性系统。但是一般的自适应控制也有一定的局限性，它要求控制系统具有较强的抑制能力，对参数的变化具有较低的敏感度，只能分析参数的慢时变化过程。在实际工作过程中，当外扰、内扰共同作用于系统时，原有的自适应控制系统不能保证可靠地工作，鲁棒性较差。

文献[8]是设计了一种自适应控制器，对水下机器人进行垂直面的变深控制。当水下机器人俯仰角较大时，控制器的控制效果更好。文献[9]是通过Lyapunov理论设计了非线性自适应控制器，对水下机器人在水中的升沉、转向做了仿真，仿真结果表明该控制对深度控制和姿态控制的控制精确，并且具有较好的鲁棒性。文献[10]NambisamPradeepR.等提出了一种自适应控制（MRAC）方法，是参考基于多输入多输出（MIMO）的模型，对水下机器人进行垂直面运动控制，通过使用自适应反馈控制律跟踪深度和俯仰角，并进行控制，经过仿真表明，尽管在闭环系统中存在不确定的因素，仍然能够跟踪深度和俯仰角。

1.3.3模糊控制

模糊控制是一种计算机数字控制算法，它以模糊数学的基本原理为基础，从逻辑上模拟人脑，本质上为非线性控制，它对被控对象的具体数学模型没有要求，只要求有专家的经验、知识和操作数据[11]，所以适用于难以建模的对象，控制形式简单，易于实现。所以在合理设计控制器各部分的前提下，模糊控制能够进行较快的控制，且其控制规则便于理解、修改。而且模糊控制使系统的鲁棒性较强，适用于非线性、时变系统。对于简单的模糊控制来说，它没有自适应学习能力，灵敏度较高，对象参数稍微变化就导致系统产生稳态误差或者自激振荡，影响控制效果，因此它不适用对安全性能较高的系统。

文献[12]和[13]设计了一种模糊逻辑控制器，该控制器应用于单输入单输出

（SISO）模型。其中将距离作为输入量，简化了控制结构，极大程度上减少了需要推理的规则和参数的调整的。虽然该控制器的控制效果较好，但仍需进一步改进。文献[14]设计了一种模糊神经网络控制器，为改善模糊PD控制方法的控制性能，该文采用模糊控制语句调整三角形隶属函数；并且为提高系统的控制精度和鲁棒性，选用了神经网络补偿系统动力学估计的方法，因此在负载变化和水动力扰动的鲁棒性方面，该模糊控制器的控制效果比传统PD控制器好。另外，文献[15]、[16]也采用了模糊控制和其他控制方法相结合的设计。

1.3.4滑模变结构控制

在动态过程中，根据系统的实时状态，滑模变结构控制器可以进行有针对的调整，使系统按照期望的轨迹运动。滑模变结构控制器的优点是响应速度较快，对参数变化和扰动不敏感，但需要有一个较好的数学动态模型。采用该控制方法，设计点附近相当大的范围内，可以使控制系统具有良好的鲁棒性，因此比较适合水下机器人的运动控制。滑模控制系统中很容易出现抖振现象，当状态轨迹达到滑模面之后，很难严格遵循滑模面规律前进，而是在滑模面两侧摇摆向平衡点移动。根据以往文献来看，滑模控制器在水下机器人的控制中得到了很大的重视，且取得了一定的科研成果，因此，滑模控制的关键是解决抖振这个问题。