本文的研究对象为“胜利油田浅海海底管线电缆检测与维修装置”，所研究的主要内容是特种潜器的对线控位技术，这是由该潜器的工作特点所决定的。对线控位技术不同于常规动力定位的定点定位问题，而是对潜器艏艉两点进行控制，要求其相对于海底管线的位置误差达到一定的要求。这是一个新的问题，需要采取新的控制策略。本文对其系统建模、仿真及控制等技术进行了研究。 考虑到水下潜器的非线性强耦合等特点，并且水动力参数不容易获取，不可能手动调节控制器参数。传统控制方法的受控对象多为线性系统，在这里很难满足要求。对于这类系统，神经网络控制被证明是一种行之有效的方法，并且已经被广泛应用于水下潜器及水下机器人的控制中。神经网络具有逼近任意非线性函数的能力，而且结构和学习算法简单明确。通过神经网络自身的学习，可以找到某一最优控制率下的PID参数，进而对潜器进行控制。 本文将控制系统分为三个独立的子系统，分别讨论了潜器纵向，横向和航向在不同条件下的控制问题。该潜器在潜航时主要的外界干扰来自海流，验证了神经网络控制方法对模型参数时变及海流速度、方向变化的适应能力，结合神经网络与PID控制器设计了神经网络控制器，同时将该控制器跟实际工程中常用的PID控制器的控制效果进行比较。最后，通过对系统的仿真结果可以看出，该控制器具有控制精度比较高、响应时间比较短及稳定性比较性强的特点，对不同海流的干扰具有一定的适应能力。同时也验证了本文系统模型的正确性和准确性，表明该控制方法具有一定的理论意义及实用价值。