海洋蕴藏着丰富的生物、油气、矿物等资源。自20世纪60年代以来,世界各国开始重视海洋资源的开发,海洋资源已成为各国经济发展的重要组成部分。为了有效的对海洋资源进行探索与开发,船舶动力定位被提出并广泛应用于钻井船、铺管船、供应船、海洋平台等工具的定位作业中。船舶动力定位是指在不借助锚泊系统的情况下,船舶能够利用自身的推进装置抵御外界扰动的影响并以一定的姿态保持在海面某一目标位置或精确地跟踪某一目标轨迹,从而完成各种作业的功能。船舶动力定位系统中采用的控制策略关系船舶的工作性能,也影响着船舶作业的安全性、经济性和环保性。在保证船舶动力定位系统正常工作的基础上降低能源消耗是非常具有挑战性的非线性系统优化控制问题。自适应动态规划（Adaptive Dynamic Programming,ADP）优化控制方法基于最优控制理论和强化学习原理,通过利用一个函数近似结构（例如神经网络（Neural Network,NN）、模糊逻辑系统、多项式等）来估计代价函数,可以有效地求解非线性系统的优化控制问题。因此,进行基于ADP的船舶动力定位非线性优化控制研究,具有重要的理论意义和实际应用价值。本文基于ADP优化控制方法,针对船舶动力定位的模型不确定、时变海洋环境干扰、速度信息不可测以及降低基于NN的ADP运算耗时等问题开展研究,主要研究内容如下:（1）针对模型不确定的船舶动力定位离散时间定点定位优化控制问题,首先,利用NN建立模型网,使用船舶的状态和控制信息作为训练数据来训练模型网,从而达到对模型不确定的船舶动力定位非线性系统进行识别。在此基础上,分别建立基于NN的评价网与执行网,通过依据当前和记录的数据来设计这两个网络的权值更新律以逼近最优的代价函数和控制律。所设计的动力定位优化控制策略能够使船舶保持理想位置和航向角（姿态）,同时保证闭环系统中所有信号是一致最终有界的。最后,通过仿真结果表明了所提优化控制方案的有效性。（2）针对降低基于NN-ADP的船舶动力定位优化控制方法耗时的问题,首先,利用宽度学习系统（Broad Learning System,BLS）来构造模型-评价-执行网结构,通过建立一个基于BLS的辨识器作为模型网来识别未知离散非线性系统函数,并采用无须迭代的伪逆法和岭回归法直接计算模型网的权值。其次,构建了基于BLS的评价网和执行网来逼近经过辨识的动力定位系统的最优代价函数和控制器。最后,仿真结果表明,基于BLS-ADP的动力定位优化控制器能够使船舶保持在理想的位置和姿态。与基于NN-ADP的动力定位优化控制方法相比,基于BLS-ADP的优化控制器不仅能够节约时间,还能够使闭环系统的性能指标更小。（3）针对速度不可测并且含有建模误差的船舶动力定位连续时间输出反馈优化跟踪控制问题,首先,通过设计NN状态观测器来估计船舶动力定位系统中未知的速度。其次,利用NN逼近器来逼近动力定位系统的建模误差。随后,利用矢量后推法设计了一个稳态控制器,将动力定位系统转换成一个非线性的误差系统。再结合单网自适应评价结构的ADP技术对误差系统设计了优化控制器。根据李雅普诺夫稳定性理论证明了提出的优化控制方法能够保证闭环系统内所有的信号是有界的。最后,仿真实验表明了所提方法的有效性。（4）进一步针对在未知时变海洋环境干扰下,速度状态不可测及含有建模误差的船舶动力定位系统的鲁棒自适应优化输出反馈跟踪控制问题,首先,在设计NN状态观测器的同时设计干扰观测器来分别估计未知的速度信息和未知时变的海洋环境干扰信息。动力定位系统的建模误差由NN来逼近。随后,通过矢量后推法设计了含有干扰补偿项的稳态控制器。进一步构造了非线性误差系统并利用ADP技术设计了优化控制器。该控制器克服了船舶动力定位优化控制中较少考虑的速度信息不可测和未知海洋环境干扰的问题,更适于实际应用。最后,仿真实验表明了所提控制方案的有效性。