近年来,无人水面艇(USV)凭借其体积小、灵活性好、航速高、无人员伤亡等优势,受到了学者们的广泛关注。由于USV的高阶性、非线性、强耦合和强不确定性,建立较为精确的动力学模型具有很大难度。此外受到海风、海浪及其他干扰的影响,USV会产生六自由度的复杂运动,具有很强的随机性和非线性,产生了传统控制手段难以快速精确控制的问题。有效的运动控制系统对提高侦察设备观测效果、武器装备系统精度都是十分重要的。海洋环境的高度动态和不可预测使USV的控制能力需要加强,其控制系统还应具有良好的自适应、自学习能力,从而需要采用先进的控制策略,才能得到满意的操纵性能。智能自适应控制方法非常适用于解决这类问题。本文针对以上问题,研究USV的数学建模以及自适应控制方法,主要工作可概括为以下几个方面：分析USV在坐标系中的运动和动力学特性,讨论作用在USV上的各种力和力矩,建立USV六个自由度上的数学模型。采用MMG分离型机理建模方法,在Abkowitz模型的基础上把水动力分解为作用在船体、螺旋桨和舵上的三部分,并充分考虑各部分之间的相互干扰影响。研究LFN逻辑网络理论技术及在USV控制系统中的应用。提出一种LFN逻辑网络结构,并给出其相应的学习算法。采用统一神经元AND_U和OR U作为LFN网络的基本运算单元。以该LFN网络为基础,同时结合Line-of-sight算法,提出基于LFN网络的航迹控制系统。该逻辑网络可以融合先验知识,并且训练结果可以直接转化为复合模糊规则语句。网络采用混合优化策略。网络结构动态优化首先用遗传算法寻找最小的网络结构,再用修剪法进行调整。在参数优化方面,采用梯度法和粒子群算法相结合的混合算法。结合船舶与海洋工程研究的特点和要求,将设计的控制系统置于不同的海洋环境条件下,以Matlab/Simulink为平台进行数字仿真实验。仿真结果表明该方案的有效性。提出一种基于支持向量回归(SVR)算法和反馈线性化理论的自适应逆控制器,研究该控制器在USV控制系统中的应用。以自适应逆控制基本理论为出发点,采用SVR在线自适应辨识算法建立被控对象的逆模型。首先研究基于SVR的USV自适应逆航向控制方法,再进一步研究简化的航迹模型,结合输入输出反馈线性化理论思想,通过逆动态模型和逆误差补偿项的离线辨识,将辨识的逆模型作为控制器,提出基于反馈线性化SVR方法的航迹自适应逆控制系统。并以Matlab/Simulink为平台进行的数字仿真实验。仿真结果可以得出,该控制方案为解决无人水面艇运动控制问题提供了一个有效的途径。