地球大约有三分之二的面积被海洋覆盖,在陆地上也有众多江河湖泊,但被人类彻底探索的地区相对不多。无论是自然探索,还是科研和军事领域都具有发展创新无人水面船艇（Unmanned Surface Vessel,USV）的强烈需求。无人艇,是一种小型的船端无人操控的水面船艇,近年来,由于其具有高安全性、低成本等优点受到广泛关注。同时,水面无人船艇工作于水与空气两种介质之间,很容易受到风浪流的干扰,而风浪流的精确建模又非常困难,因此无人船艇具有强耦合和强不确定性,且常规无人船艇不具备侧向推进器,所以其运动控制也具有非线性、欠驱动等特点,如何实现无人艇的自主航行是水面无人船艇能否被大规模应用的核心问题,而解决这一问题的基础,就是设计一种快准稳的无人船艇精确航迹追踪控制器。本文围绕无人艇运动控制的轨迹跟踪（Trajectory tracking）问题,在模型预测控制（model predictive control,MPC）的基础上,建立了实体无人艇的非线性三自由度操纵性模型,开展了相关控制算法研究,以解决无人船艇轨迹控制中模型精度与控制实时性不平衡、环境干扰等问题,并通过仿真验证算法有效性后,利用建立实际搭建的试验平台进行了相关算法性能的验证。本文主要研究工作和成果如下:首先,先对无人船艇进行了六自由度运动描述参考系建立与受力分析,同时对无人船风浪流干扰进行建模,建立了无人船艇六自由度包含干扰的运动模型。以此为前提,从实际无人艇航迹跟踪控制角度出发,进行了模型的简化,基于实体无人艇进行了船舶操纵性建模,建立了无人艇三自由度非线性模型。并测量了实体无人艇的长、宽、质量（附加质量）、方形系数、设计吃水等实际艇体数据,通过现有船舶理论中的水动力系数经验回归公式,对无人艇的水动力系数进行估算,得到了无人艇的仿真模型。为了简化模型复杂度,对无人艇尾部两个无刷电机推进器转速与推力的关系进行实验建模,数据拟合后得到了转速与推力的关系,为后文算法在实船上的部署奠定了基础。为了验证模型的准确性,在无风环境下,通过右旋回实验,计算了无人艇仿真模型与无人艇实体的旋回性能误差,在控制算法鲁棒性允许的误差内,验证了估算水动力模型的准确性。其次,实际的无人艇在实际运行环境中具有各种各样的系统约束,即在物理世界中存在执行器极限、水域位置限制等约束。针对存在多种约束、模型不确定性强等问题,利用建立的无人艇三自由度操纵性水动力模型,分别提出了基于非线性MPC与基于卷积神经网络预测补偿的非线性模型预测轨迹跟踪控制方法。并详细描述了状态量的选取、状态空间表达式建立、模型离散化、优化量上下限设置、目标函数确定的过程。通过matlab进行代码编写与仿真,分析结果后得出,本文提出的NMPC方法及其改进在控制实体无人艇的仿真模型时具有较好的控制效果,并具有一定的抗干扰能力。通过对比可以得出改进后非线性模型预测控制具有更好的控制效果。最后,搭建了实际无人艇运动仿真平台,详细介绍了本文所使用的实际无人艇的硬件架构与软件设计技术栈。硬件方面包括艇体、艇载主控工控机、9轴惯性导航传感器、GPS传感器、电机控制微型控制器（MCU）与电子调速器以及大功率无刷电机组成的动力系统、铅酸电池与充放电管理模组组成的电源系统。控制软件使用C#语言编程,与各个模块使用USB口进行串口通信,同时使用GPGGA协议对GPS模块数据包进行数据解析,融合惯性导航传感器数据对船体状态进行卡尔曼滤波估计,通过软件封装进行了控制算法的便捷切换。由于非线性模型预测控制在实际试验中控制频率较低,本文提出了一种根据状态量切换线性与非线性MPC的混合MPC策略。在此实验平台上,先进行了基于视线制导方法的恒定航速PID艏向控制路径跟踪实验,再进行了本文提出的混合MPC策略实验,对比发现后者具有更好的轨迹跟踪控制性能。