随着港口货物装载的发展日趋智能化和自动化,对集装箱起重机的控制要求也越来越高。由于起重机-吊载组成的系统动力学特性,小车在运行过程中会使吊载产生摇摆,这样不仅降低了作业效率,更是增加了安全隐患。因此实现起重机小车快速到达目标位置且减小吊载摆动角度,防摇控制是值得研究的一个问题。本文为了解决这一问题,作了如下几个部分的工作:一,针对起重机-吊载组成的系统,基于拉格朗日方程建立起重机-吊载的动力学模型。由于该模型的参数存在很多的不确定性,难以建立精确的数学模型。本文忽略一些外界的不确定因素,对模型进行简化。二,针对吊载摇摆的问题,采用了基于自适应模糊PID控制方法实现吊载的防摇控制。由于模糊规则多是依赖于专家经验和领域知识等,具有很好地鲁棒性,这里利用模糊规则实时调整PID的参数,该方法便于实施、精度高,又能实现对时变系统的实时调控。利用Matlab/Simulink平台搭建系统的防摇系统模型进行仿真,仿真结果表明该控制方法较单纯的PID控制方法更为有效。三,针对多维模糊推理过程中推理规则过于庞大,且PID控制不适用于复杂非线性系统的问题,提出一种基于谱共轭梯度法的T-S模糊神经网络控制方法。采用SNPRP共轭梯度法训练T-S模型的前件参数和后件参数,该方法在强搜索条件下,具有充分的下降性和全局收敛性。为了获得最佳的控制器,以能量最小作为指标,采用线性二次型最优控制求得系统最佳控制矩阵,并证明在此时的反馈控制下,达到了很好的控制效果,因此将该条件下的输入输出数据组作为训练样本数据,用来训练自适应模糊神经网络控制器。最后,将训练好的控制器应用到起重机-吊载系统中进行仿真实验,结果表明在不同的绳长和噪声下,该控制方法都具有较好的控制效果,证明了该控制系统具有很好的鲁棒性。四,针对基于谱共轭梯度法的T-S模糊神经网络控制方法难以合理确定模糊规则的问题,提出一种基于改进核模糊聚类的T-S模糊神经网络控制方法。采用核模糊C均值聚类确定最佳的聚类中心,引入自适应柯西变异对磷虾优化算法进行改进,并用于优化T-S模糊神经网络的前件参数和后件参数,从而设计吊载的防摇控制器。为了提高聚类精度,考虑类间距离构造适应度函数,并用改进磷虾优化算法优化获得最佳聚类中心。通过测试函数进行仿真,验证了改进磷虾优化算法的性能。最后采用提出的方法逼近线性二次型控制器,并用于起重机-吊载系统的防摇控制中,取得了理想的控制效果。