自治水下机器人在海底侦查、大范围勘探和海底地形测绘等方面得到广泛应用，它代表了水下机器人技术的发展方向，受到了越来越多的关注。但是，自治水下机器人是一种高度非线性、参数时变的动态系统，当配备水下机械手时，又构成了一个高阶、冗余的组合结构，而且水动力系数不确定也会影响自治水下机器人的动态特性。因此，自治水下机器人的控制技术非常困难，迫切需要寻求一种合适的智能控制技术。针对自治水下机器人的上述特点，本文提出了一种基于改进Elman神经网络的水下机器人广义预测控制系统。针对自治水下机器人高阶、非线性的特点，分析了改进Elman神经网络系统辨识方法，采用动态反向传播算法来训练改进Elman神经网络。将改进Elman神经网络与多层前向神经网络系统辨识进行对比仿真实验，仿真结果证明了改进Elman神经网络系统辨识的优越性。针对自治水下机器人参数时变的特点，建立了神经网络在线辨识模型，考虑到水下机器人计算机控制系统对在线学习时间的限制，提出了滚动样本法和改进在线辨识模式相结合的在线辨识方法。本文同时提出了基于神经网络的水下机器人广义预测控制系统的结构，给出了基于神经网络的广义预测控制算法，推导了BP网络和改进Elman网络灵敏度导数公式，并建立了神经网络多步预测模型。在控制量被约束及受到噪声干扰的情况下，分别进行了基于BP神经网络的广义预测控制及基于改进Elman神经网络的广义预测控制的水下机器人运动控制仿真实验，仿真实验结果证明后者更适用于水下机器人控制。在自治水下机器人仿真实验的基础上，以哈尔滨工程大学水下运载器智能控制技术实验室自主开发的开架式“Beaver”水下机器人为实验载体，进行了纵向速度及艏向角速度的神经网络广义预测控制实验及其相应的闭环在线辨识实验、控制系统的鲁棒性等实验。实验结果证明，本文介绍的基于改进Elman神经网络的水下机器人广义预测控制系统在控制量被约束、受到随机干扰和控制对象动态特性变化的情况下，都能够很好地控制水下机器人纵向速度和艏向角速度，同时该系统具有较强的鲁棒性。