当今社会科技发展飞速,自动化和智能化已逐渐渗透到各行各业,并成为发展的主流方向。在航海方面,常面对危险或人力不可为的任务,因此相关的自动化、智能化技术发展备受关注。而无人船作为一种智能化的水面机器人,具有自主航行的能力,并且能够进行环境感知和目标探测,可以在危险的水面替代人类完成重要的任务,因此无人船的应用受到世界各国的广泛关注。无人船的发展经历了半自动化向智能化的转变,具有很大的上升空间,因此需要不断地进行创新和完善,从而更好地推动无人船事业的发展。无人船系统的非线性、不确定性和外界环境多变,造成了无人船的控制系统十分复杂且对控制的精度稳定和快速性的要求很高,因此无人船必须在传统航向控制基础上找到更加智能、高效的控制方法。本文研究内容如下:(1)建立无人船的数学模型,对无人船的硬件实现、通信协议进行设计;(2)提出了用结合神经网络和模糊逻辑的模糊神经网络(Fuzzy Neural Network,FNN)对PID参数进行整定,但因为反向传播时采用的梯度下降法收敛速度慢及网络结构相对复杂,影响了控制系统的快速性,因此采用Fletcher-Reeves共轭梯度法(FR)代替梯度下降法,从而优化了网络的收敛速度;(3)建立了基于FR法优化的模糊神经网络模型,利用优化后的模糊神经网络算法整定PID控制参数,设计了航向控制器;(4)考虑到无人船外界环境的复杂性,加入风、浪、流因素对无人船的航向控制进行抗干扰能力比较分析,证明基于FR法优化的模糊神经网络航向控制器的控制性能及抗干扰能力明显加强。实船试验阶段,对无人船B/S架构远程端进行介绍,最后对无人船的航向控制进行实验和分析。通过仿真实验,本文提出的基于模糊神经网络的无人船航向控制器的控制性能以及抗干扰能力都有显著提升,对未来无人船的研究起到了借鉴意义。