水下机器人一般分为两大类[6]：

遥控式水下机器人（RemotelyOperatedUnderwaterVehicle简称ROV）；自治水下机器人（AutomaticUnderwaterVehicle简称AUV）；遥控式水下机器人是从水面进行控制，带有推进器、水下摄像头、液压机械手和其他

作业工具，能够在各种水域运动，由水面通过电缆提供能源和控制信号。自治水下机器人是自带能源，采用自治控制方式自主控制自己。所谓自治是指水下机

器人具有一定的智能，在水中可根据不同的水下环境和作业任务自动完成路径的规划、避开障碍、自主搜寻目标。由于现阶段人工智能发展水平的限制，目前所使用的水下机器人还不能完全实现自治控制，每次作业前还需由人对作业任务进行分析和规划，再以预编程的控制方式保证水下机器人按事先计划的程序完成作业。AUV是新型智能化水下机器人，是随着计算机技术、通信技术、人工智能的发展而出现的，是近年来水下机器人发展的主要方向之一。

1。2。2水下机器人发展趋势

随着海洋经济的不断发展，军事需求的不断增加以及水下机器人技术的日益成熟，水下机器人的发展方向也越来越清晰。归纳起来有以下几个方向：水下机器人的专业化程度会越来越高，分工会越来越明确，这是市场和技术的共同需求。ROV与AUV并存，ROV更加实用可靠，AUV技术更加成熟。提高观察能力和顶流作业能力，加大数据处理容量，提高操作控制水平和操纵性能，完善人机交互界面，使其更加可靠实用，这些将成为ROV技术的发展方向。多机器人协同作业，共同完成复杂的水下任务，是机器人技术的发展趋势。

1。3搜寻算法研究现状

1。4论文主要内容

本文主要以多AUV合作搜寻多目标作为研究内容，利用生物启发神经动力学模型，使得多AUV实现自主搜寻。分别实现了多AUV在二维环境下合作搜寻多目标。并且通过仿真和算法性能分析，验证了所提算法的有效性。本文具体研究内容如下：第一章为“绪论”，简要地介绍了课题研究的背景，并概述了AUV的研究现状与AUV搜寻的研究动态。

第二章为“基于生物启发模型的多AUV目标搜索算法”，主要阐述生物启发神经动力学理文献综述

论，提出了用于合作搜寻的神经网络模型，并且对二维神经网络模型的稳定性进行分析。第三章为“二维平面环境中多AUV协作搜寻研究”，介绍了多AUV在二维环境中的搜寻策略以及仿真，并且介绍了AUV在故障情况下的搜寻以及仿真；同时，为了提高搜寻效率，介绍了对多AUV进行分区搜寻仿真；研究了多AUV在不同情况下的性能。第四章为“总结与展望”，对本课题的研究进行了总结，并对该课题今后的研究前景和思路提出了一些个人想法和建议。

2 基于生物启发模型的多AUV目标搜索算法

2。1生物启发原理

生物启发神经网络模型是一个生物膜电压模型，在该模型中，细胞膜膜上的膜电压动态特性可以用如下状态等式来表示：

式中：Em表示膜的电势，Vm表示膜电压，EK，ENa和Ep表示薄膜中钾离子，钠离子和负极电流电势，gK，gNa和gp表示钾离子，钠离子和负极导纳系数。

令Cm1，xEV Ag BE E DE E，Se

g ，Sig，可以得出