随着人们对海洋的开发向深海进军，对船舶动力定位系统的需求越来越大，要求也越来越高，这就促使科技工作者进行新的技术研究和开发，以满足在民用领域和军事领域的需求。本文是针对实际工程项目提出的需求进行的研究，属该领域前沿研究方向之一，具体是针对852潜器工作母船的动力定位系统进行神经网络建模、滤波及用遗传算法进行优化的模糊神经网络自适应控制器的研究。目前神经网络在船舶操纵性能的研究中已有一些报道，在船舶动力定位系统中应用的研究还很少，与本文相近或相似的研究内容目前在国内外还未见报道。本文主要进行了以下几个方面的研究工作： 1．利用模块化思想研究了船舶动力定位系统的数学模型、并且建立了仿真程序，包括船舶低频运动模型、高频运动模型、推力器模型和环境(风、海浪和海流)数学模型，通过仿真实验验证了模型的正确性。 2．首先研究了前馈神经网络，提出了基于鲁棒误差函数的BP神经网络的算法，并且验证了其对非线性系统逼近的有效性。然后研究了模糊神经网络的构成，并且证明了基于高斯基的模糊神经网络是一万能逼近器。 3．研究了遗传算法对鲁棒BP神经网络的优化方法，得到一个结构和参数都是优化了的鲁棒BP神经网络，用于对船舶运动系统的建模。将自组织竞争神经网络用于模糊神经网络规则的优化，得到在规则上优化了的模糊神经网络。 4．研究了神经网络的滤波方法，使用神经网络滤波器对船舶高频运动进行滤波处理。 5．研究了神经网络的辨识方法，对船舶低频运动和高频运动进行建模， 一 哈尔滨工程大学博士学位论文 建立了基于遗传算法的模糊神经网络自适应控制器，仿真结果表明 所提出的控制器鲁棒性强，对环境变化的适应能力强，降低了能耗， 提高了船舶动力定位系统的总体性能。 本文对智能控制中的三个主要方法神经网络、模糊逻辑和遗传算法在船舶动力定位系统中的应用进行了全面的分析和研究，并通过仿真实验验证了所研究技术的合理性和实用性。本文的研究成果和结论对于我国新一代水面舰船动力定位系统的研制具有十分重要的理论意义和实用价值。