随着自然资源的日渐枯竭,如何高效地探索海洋资源越来越成为近年来大国之间角力的焦点。海洋科学与工程是一门包含了海底资源探测,海面目标搜寻,海洋气候观测等多种复杂海洋任务的学科。考虑到深海环境的恶劣性与人类潜水深度的限制,自主式水下机器人(Autonomous Underwater Vehicle),简称AUV,在深海领域扮演着独一无二的角色。由多个AUV组成的作业范围更广,能源利用率更高的分布式AUV系统也越来越具有普遍性与适用性。此外,考虑到每个AUV自身的相对独立性,分布式AUV控制器对于多AUV系统来说显得尤为重要。然而如何保证系统中各AUV合理有序地完成指定任务,实现一致性跟踪控制,成为AUV控制领域面临的一大难题。本文以二阶AUV动力学模型为研究基础,将领航者-跟随者体系与图论中的有向图理论结合,用于描述分布式AUV系统的通讯拓扑关系,直观形象地阐明了系统结构。进而将图论与用欧拉方程表述的动力学模型相结合,定义了以绝对跟踪误差和相对跟踪误差表述的整体跟踪误差。为了更有力地说明本文算法的有效性,在误差定义中加入了通讯时滞的情况,并给出算法扩展的可行性理论分析。在分布式AUV控制器的设计过程中,针对恶劣的海洋环境带来的诸多不利影响,分别引入了不同的控制算法,以此来保证系统的稳定性与鲁棒性。首先,为了克服海洋中水动力系数,流体力学等因素带来的未知的不确定力与系统内外部的非线性不确定性扰动等影响,采用自适应控制与神经网络技术逼近未知的非线性函数。仿真结果证明,以最优权向量为代表的逼近特性与学习能力很好的解决了系统中的非线性、强耦合性以及参数时变问题。其次,将有限时间控制与非线性终端滑模控制相结合,构造了改进的非奇异快速终端滑模,既保证了滑动面的可达性与稳定性,又提高了系统的快速响应特性,使整体跟踪误差沿滑动面在有限时间内收敛到原点附近的小邻域。最后,采用有限时间Lyapunov稳定性理论分析分布式AUV系统的稳定性,以证明该控制策略可以保证跟随AUV具有良好的跟踪性能与抗干扰能力。选取Matlab软件下的Simulink模块搭建仿真实验,并加入与传统控制器的对比实验。实验结果表明基于非奇异快速终端滑模的神经网络控制器可显著地提高分布式AUV系统的快速响应特性与鲁棒性,且各AUV的运动状态跟踪效果良好。系统具有高度的一致性与稳定性,进而证明了本文所提算法的准确性与有效性。