舶航向控制器设计是船舶运动控制领域内的重要研究课题之一，许多专家学者一直在致力于该方面的研究工作，航向控制器性能的优劣直接关系到船舶的航行安全和经济效益。但由于船舶运动的复杂性，船舶的动态特性具有大惯性、大时滞、非线性等特点，受到的环境影响是随机的和难以预测的，很难建立其精确的数学模型。因此，传统控制方法很难取得良好的控制效果。模糊控制特别适合于处理那些难以建立精确数学模型的复杂控制对象，而神经网络则具有强大的学习和容错功能，将模糊控制和神经网络等智能控制技术应用于船舶运动控制是当前重要的研究手段，并有望解决这一问题。本文针对这一发展趋势，对模糊控制方法、PID 神经网络、自适应神经模糊(ANFIS)控制方法及它们在船舶航向控制器中的应用进行了系统的研究。 首先从动力学角度出发研究了船舶运动数学模型，在现有研究成果的基础上，考虑了风、流、浪等干扰因素和舵机的模型，并以Matlab7.0为平台，设计了船舶运动数学模型参数输入的图形界面，建立了船舶运动模型的Simulink模块，可在Simulink 环境下直接应用于各种船舶运动规律的仿真研究。 其次在分析船舶航向控制的原理基础之上，根据航向改变和航向保持过程中不同的操舵特点，分别设计了航向保持模糊控制器、航向改变模糊控制器，并将这两种模糊控制器进行有机结合，提出了一种改进的船舶航向模糊控制算法。此外，根据PID神经网络的特点，将这种PID 神经网络控制算法运用到船舶航向的控制去，同时采用自适应算法改变PID 神经网络的权值调整步长，从而使它的权值调整具有自适应性。 为了验证这两种控制算法的有效性，应用这两种方法分别在无干扰和有不同干扰的情况下对船舶航向控制进行了仿真研究，仿真结果表明，所提控制算法与传统PID和常规模糊控制相比，无论是在超调量，响应时间和稳态精度方面都具有更好的控制品质。 最后针对模糊控制器中的量化因子、比例因子、积分系数、模糊规则之间互相藕合，人工整定困难的问题，利用自适应神经模糊的控制算法(ANFIS)，将模糊逻辑和神经网络有机地结合起来，通过ANN的学习功能使FIS规则中出现的许多参数的优化和自适应并得以实现。在对ANFIS的原理和算法介绍基础之上，讨论了ANFIS 控制器的实现方法，并将ANFTS 控制器应用到船舶航向控制系统中，分别在无干扰和有不同干扰的情况下进行仿真研究，仿真结果表明该方法在不同外界条件下，如在不同的风、流干扰时，都具有很好的控制品质。