近年来,随着欠驱动系统控制技术的快速发展以及船舶自动化要求不断提高,欠驱动船舶运动控制问题逐渐引起学者们的关注。欠驱动船舶的非线性控制方法可以很好的提高船舶的操纵性能,改善船舶运行的经济性和安全性。同时,随着海洋经济的不断发展,需要完成如海底管道铺设、海洋资源探索、海洋钻井平台定位和远洋补给等复杂任务,对船舶精确控制的要求越来越高。因此对欠驱动水面船舶的运动控制问题进行研究,是有重要的理论意义和实用价值的。首先,针对欠驱动船舶的路径跟踪问题,提出一种基于强化学习的自适应迭代滑模控制方法。该方法引入双曲正切函数对系统状态进行迭代滑模设计,并采用神经网络对控制参数进行优化,增强控制器的自适应性。通过定义一种控制量抖振测量变量和强化学习信号,实现对神经网络的参数进行在线调整,能进一步抑制控制量的抖振作用。其次,针对欠驱动船舶的轨迹跟踪问题,把设计的基于强化学习的迭代滑模控制器推广到两路控制,对跟踪轨迹的横向和纵向偏差分别进行迭代滑模控制器设计,控制器输出为控制舵角和柴油机转速,根据舵角和转速抖振实现参数调节,控制器的控制结构与路径跟踪控制类似。然后,把基于强化学习的迭代滑模控制器运用于欠驱动船舶的自动靠泊控制,并提出一种带收敛因子的混沌粒子群算法,优化控制器参数的初始值,使所设计控制器在停靠泊的出发点就有比较优良的控制特性,更适应于对精度要求比较高的自动停泊控制。最后,在Matlab中应用5446 TEU集装箱船数学模型进行控制仿真。仿真结果都表明所设计控制器能顺利完成控制任务,在风浪流扰动下航迹跟踪控制能快速跟踪上目标航迹,与迭代滑模控制器相比所得调节时间和动态误差更小,抖振减小;在自动靠泊控制中都能顺利靠泊,加入混沌粒子群调整参数之后的控制效果明显,不会发生超调,更有利于船舶安全,且控制量抖振也减小,更加符合船舶的实际操作要求。