船舶运动控制问题的两个重点研究领域是船舶运动动态模型建立和控制器设计，建立一个复杂程度适宜、精度满足要求的数学模型对于进行系统闭环性能研究是至关重要的。本文在状态空间型的船舶运动数学模型的基础上，用输入—输出信息的系统性方法构造出响应型非线性船舶运动数学模型。该模型不但考虑了过程非线性影响，而且其计算比较简单，物理意义明显，可以满足仿真中对模型精度的要求。 船舶自动舵的设计要求在航向保持和改变中舵角δ克服环境的干扰将航向ψ维持在设定航向ψ_r上，目前已经有多种神经网络航向保持方法，如直接控制、监督控制和内部模型控制等。这些神经网络控制的应用的确为航向保持提供了有效的方法，但在某些方面它们还不够完善。如直接控制因为不存在反馈，无法对过程参数的摄动和环境干扰进行补偿，系统的鲁棒性差。本文在神经网络直接控制船舶运动控制基础上，引入闭环增益成形算法构成闭环控制，以提高系统对环境干扰和过程参数摄动的鲁棒性。论文的主要内容如下： 1．首先对神经网络控制概念和原理与闭环增益成形算法进行简单的介绍。 2．在状态空间型船舶数学模型的基础上，利用输入—输出信息构造响应型船舶运动数学模型的系统方法建立了响应型非线性船舶运动数学模型。 3．本文提出一种基于BP神经网络直接控制的船舶航向保持方案，并利用闭环增益成形算法最终得到控制性能和鲁棒性都比较好的控制器。 响应型非线性船舶运动数学模型的建立采用VB编程实现Norrbin非线性船舶运动数学模型的船舶回转试验，获取数据，然后用Matlab编程实现基于最小二乘算法的响应型非线性船舶模型非线性参数的辨识，全部的仿真试验由Matlab的Simulink实现，仿真结果表明这种方法设计过程简单，物理意义明显。而且在改变输入信号、加入非线性环节、改变控制对象或有外界干扰和内部摄动等因素的实验中，该鲁棒神经网络都有令人满意的航向输出，其良好的控制性能得到了验证。