多自主水下航行器(Autonomous Underwater Vehicle,AUV)系统是未来海洋探测和开发应用的重要工具。这类多AUV系统可以适用于大量的海洋科学研究以及海洋商业开发,例如海洋生物研究以及海洋资源探测与开发。由于海洋探索任务的复杂性越来越高,应用协同工作的AUV网络系统而不是单个昂贵的AUV成为了新兴起的研究潮流。通常情况下,装载有传感器的AUV网络在协同估计任务和协同控制任务中显示出了巨大的优势,并且可以较大幅度地提升整个系统的效率和鲁棒性。本文研究了基于多AUV的协同采样以及多AUV的协同控制。在深入分析国内外研究现状的基础上,经过对多AUV系统海洋环境协同采样问题和多AUV的协同控制问题的研究,本文获得的主要研究成果及创新点归纳如下:(1)提出了基于羽流物理特性的梯度设计。在此基础上,本文采取了基于一致性的分布式估计算法。这个算法可以使传感器网络跟踪所有的n个传感器测量值的平均值。此一致性估计器的架构在解决数据融合问题上发挥着非常重要的作用,因而可以应用于对传感器网络的数据驱动的分布式滤波。仿真算例验证了该一致性估计算法的有效性。(2)通过引入三维的旋转矩阵和一个速度一致性量,本文得到了旋转一致性运动控制算法。通过应用此算法,多智能体系统达到了期望的旋转一致性。此外,理论推导证明二阶多智能体系统的运动形式由通信拓扑、控制律阻尼系数和引入旋转矩阵的欧拉角共同影响。特别地,当阻尼系数大于一个上界、欧拉角等于一个阈值以及通信拓扑具有至少一个有向拓展树时,多智能体系统就达到了旋转一致性。对于基于一致性的跟踪控制算法,研究发现此协议可使分布式二阶运动系统在达到旋转一致性的同时还能跟踪一个虚拟的leader。此算法只要求一部分的智能体可以获得leader信息,并且所有的智能体之间只进行本地交互。这一部分收敛性分析用到的数学工具包括矩阵论,线性系统理论等。仿真结果表明了上述旋转一致性算法的有效性。(3)针对海洋环境的非线性和复杂性,提出了基于数据驱动的分布式滤波算法。结合梯度控制方法,将此滤波算法应用到可移动的分布式传感器网络中,研究发现,相较于静态的传感器网络,基于梯度控制的可移动的分布式传感器网络通常具有更好的估计精度。仿真实验验证了算法的有效性。