智能化船舶是未来航运业发展的重要方向,作为船舶智能航行装置的航向控制系统,具有非线性和参数不确定的特点,因为神经网络和模糊系统在紧集内可发挥函数逼近能力,所以在船舶航向控制器设计中应用广泛。但由于神经网络和模糊系统存在的逼近误差会影响控制器性能,为改善此类问题,通过构造权值自适应律、基函数结构参数在线调节和节点自组织的局部加权学习算法,设计船舶航向控制器,进而提升船舶航向控制系统的整体控制性能。论文的研究围绕以下内容展开:（1）基于节点自组织的局部加权学习算法,设计控制律可切换的船舶航向控制器。结合动态面控制方法给出控制器的设计步骤,设计滑模控制器确保局部加权算法的输入向量在有限时间进入紧集。局部加权算法节点自增长策略引导系统自动添加节点,通过构造四次幂加权函数和权值自适应律,计算局部加权学习算法对系统中未知不确定项的估计,设计基于自组织结构局部加权方法的船舶航向控制器。利用MATLAB进行仿真,以“育龙”轮为仿真对象,与固定结构神经网络设计的船舶航向控制器进行对比,验证所设计船舶航向控制器的有效性和性能优越性。（2）针对局部加权学习算法输入向量不满足紧集先决条件和系统输出信号不连续的问题,设计基于输入饱和局部加权方法的船舶航向控制器。引入障碍李雅普诺夫函数,基于输入饱和局部加权方法设计船舶航向控制器,最大程度发挥局部加权学习算法的学习能力。通过构造高斯加权函数、连续变化的权值自适应律和控制律中光滑的饱和函数对控制器进行优化,确保系统输出连续光滑的控制信号。通过仿真实验,对比优化前后控制器的控制效果。研究结果证明了基于局部加权学习算法设计的船舶航向控制器性能的优越性。在实现船舶对给定航向跟踪的基础上,保证了系统的所有闭环信号一致有界且收敛速度较快,使控制器结构灵活且提升了系统的整体控制性能。对船舶的自主航行和自动避碰能力的提升,具有一定的参考价值和实际意义。