船舶正朝着大型化、高速化、智能化方向发展,同时船舶航行的密度越来越大,对船舶的操纵性能提出了更高的要求。因而有必要采用新的理论和技术,研究性能更好的船舶操纵控制策略。将神经网络辨识技术应用于船舶运动控制成为近年来研究的一个重要方向。本文对递归神经网络辨识技术进行研究,提出了两种新的递归神经网络学习算法,并对递归神经网络辨识技术在船舶操纵运动控制中的应用进行了探讨。Elman神经网络在系统辨识中得到了广泛的应用。本文对Elman神经网络进行改进,将径向基函数神经网络与Elman神经网络结合构成RBF-Elman神经网络,并将网络输出的延迟信息反馈加入到输入层,构造出基于输出反馈的RBF-Elman递归神经网络。该网络对于时变动态系统具有良好的辨识能力,并且通过对输入层和输出层进行线性连接提高了网络的学习速度。通过对时变系统的辨识验证了该网络的自适应性。根据控制系统对于神经网络在线应用的要求,提出了一种神经网络的序贯学习算法——动态跟踪模型选择算法,得到的径向基函数神经网络具有良好的泛化性能。通过将系统的输出信息进行反馈引入到输入层,构成的递归网络具有良好的动态辨识性能。通过对混沌时间序列的辨识算例验证了其动态适应性能。该算法同时具有调节参数少以及对参数变化鲁棒性好等特点。本文从工程实现控制的角度出发,针对船舶运动非线性和动态时变的特点,提出了基于递归神经网络在线辨识的控制方案。该方案利用递归神经网络学习算法建立的神经网络进行在线系统辨识,有效地跟踪船舶运动的动态特性,并通过辨识信息调整控制参数。本文最后将该控制方案应用于船舶航向跟踪控制,并取得了良好的仿真效果。