随着经济水平的日益提升,海洋运输能力对各国发展愈来愈起到至关重要的作用,船舶运动模型研究的重要地位也就更加凸显了出来。掌握船舶运动模型是研究船舶操纵性能的必要基础,而经典方法求取的参数并不精确,参数辨识方法在获得船舶水动力参数时表现更加出色。粒子群算法(Particle Swarm Optimization,PSO)以其不同于以往经典辨识方法的独特性能闯入了人们的视野,简单易懂的理论、便捷的流程使它应用范围颇为广泛,越来越多领域的实践证明了它的稳定性和精度。本文引入元胞自动机原理对PSO算法进行优化,并将元胞PSO优化算法运用到船舶水动力参数辨识中,将它转化为一个寻优的过程。文章首先介绍了PSO算法的特点及基本原理,重点对不同的拓扑结构如何选择进行了实测比对,并阐述了参数的一般选取规律。之后说明了PSO算法的缺陷并引入元胞机制,设计了内、外元胞PSO算法两种改进形式。在改进后的算法中,粒子不仅仅要进行迭代前后的状态比较,还要与邻居的状态进行比较,有利于进行解空间局部信息的搜索,而且邻居函数与转移规则都会影响到搜索结果,粒子增加了自主性。通过两组对比实验采用用四个基准测试函数验证了两种方法在不同程度上弥补了基本算法的劣势,获取到了更加满意的最优解。随后,建立了船舶运动模型并离散化。对辨识方法进行了具体的设计,如初始化方法、速度域与搜索区域界定、输入函数与适应度值函数等,叙述了辨识方法的具体步骤。对舵角输入和海浪扰动输入建模,并且设计了巴特沃斯IIR型滤波器以增加输入信号的准确度。然后对船舶水动力参数进行辨识,在静水下和有海浪扰动的情况下分别进行有无噪声时的仿真实验,进行了结果比对与分析。仿真实验证明,基于改进的粒子群优化算法能够正确的辨识船舶纵摇和升沉运动水动力参数,为船舶水动力参数辨识提供了一种新的解决方案。最后总结全文,并对进一步的研究做出展望。