为了进一步加强对海洋资源的开发和对海洋环境的探索科研,自主式水下航行器(AUV)因其更高的安全性,灵活性和自主性被广泛关注和使用。由于海洋环境的复杂性,会对AUV航行的安全性和稳定性造成影响。本文提出了基于改进量子粒子群(QPSO)算法的全局路径,和改进快速扩展随机树(RRT)融合算法的局部路径组合成的双层规划算法模型,在包含海流,静态障碍物,突兀障碍物和动态障碍物的复杂环境中对AUV进行路径规划,保证避障安全性,并使路径满足最少航行时间的要求。本文主要研究内容和工作包括:首先,介绍了AUV及AUV路径规划的国内外发展现状,分析AUV路径规划的特点及要求目标,然后介绍几种环境建模方法并对AUV航行空间环境信息进行数学建模,另外给出路径评估方法和本文的路径代价函数模型,并给出路径平滑性处理方法。然后,针对全局路径,根据粒子群算法(PSO)的不足介绍QPSO算法的数学模型,并结合代价函数模型给出QPSO算法进行路径规划的算法流程,给出QPSO算法为全局收敛性算法的理论证明,再针对QPSO算法易早熟的问题进行了算法改进,加入差分算法的变异交叉思想和初始化改进,提升算法的运算精度和路径规划的结果效果,并进行数学问题求解和海流环境AUV路径规划的仿真实验验证。其次,针对局部路径的动态环境,提出了基于改进RRT融合算法的局部规划算法,依次介绍RRT算法,融合人工势场的RRT算法,再加入速度因子解决动态障碍物干扰,最后提出改进RRT融合方法,用以最新节点为中心的高斯分布模型改变新随机树节点的生成方式,提升算法的运行速度和运行精度,并给出平滑性处理方法。使用滚动窗口作为信息探测显示工具,最后给出了不同环境下AUV进行局部避碰和路径规划的策略,并进行仿真实验验证改进效果和策略可行性。最后,将全局和局部路径规划组成双层算法结构,用于完成AUV在复杂环境下满足实时性,安全性和最小航时的路径规划要求,给出整体算法结构的流程框图,并设计仿真实验,验证本文设计的双层算法结构在复杂静态障碍物、海流因素、突兀障碍物、直线动态障碍物和不规则动态障碍物的影响下进行路径规划的结果,证明了本文的各层算法改进和双层算法结构满足AUV路径规划要求。