本论文以国家重点研究项目-XXX远程航海与智能控制研究为背景,针对多个水下自主机器人(AUVs)执行水下区域搜索和围捕入侵目标的任务案例,深入开展了AUVs体系结构、路径规划、自主搜索与协同围捕等方法的研究。首先,根据AUV个体结构及案例需求,在传统的分布式体系结构基础上,设计了AUVs具有任务规划层和行为控制层的混合分层式体系结构,增强了AUV个体之间的协作能力。其次,针对区域搜索时路径优化需求和解决AUVs动态运动过程中与环境障碍、运动体(其它AUV或动目标)间的碰撞冲突问题,开展了路径规划与避碰方法研究,提出了将蚁群优化算法和人工势场法相结合的避碰路径规划策略。设计了蚁群优化状态转移规则、启发因子和信息素更新规则。为了提高AUV在复杂环境中的快速反应能力,提出了一种改进的快速蚁群优化算法。再次,根据大范围区域搜索的作业需求,提出了AUVs分区域随机搜索策略,根据团队中成员数量和工作区域大小进行搜索区域划分,提出了一种根据团队成员当前位置选取作业子目标点的方法,使多个AUV均匀分布在工作区中,计算量小,满足了实时性要求。对于AUVs所发现的入侵目标有效围捕的问题,本文提出了基于“势点”的协同优化围捕策略,建立了以入侵目标为极点,以其前进方向为极轴的极坐标系,通过对各个AUV在极坐标系中极角大小进行排序,为AUVs优化分配相应的围捕任务;当“势点”陷入障碍区时,AUVs通过放弃作业任务而增强其对环境的适应性,“势点”的动态选取方法和分阶段围捕策略降低了AUVs在围捕过程中对入侵目标位置变化的敏感性。最后,开发了AUVs区域搜索与协同围捕仿真软件,引入了AUV六自由度运动模型和PID控制器,通过设计不同仿真案例,验证了所研究算法的有效性和可行性,结果表明:AUVs能够大范围区域中快速发现入侵目标,并能对其成功围捕,具有一定的环境适应性和自主作业能力。