已有的AUV轨迹跟踪控制方法中，传统的PID控制与水下机器人模型及水动力参数密切相关，现代AUV轨迹跟踪控制方法虽然对系统模型的依赖较少,但滑模控制策略存在控制“抖振”问题；反步控制存在速度跳变与驱动饱和的限制；神经网络控制虽然可以避开推进器“控制饱和”及模型的耦合与非线性问题，但它存在实时性差、训练样本难以获取的难题；模糊控制策略反应快，实时性好，但模糊控制规则的形成又完全依赖人的经验，在轨迹跟踪控制上存在先天不足。