无人艇(Unmanned Surface Vehicle，USV)在海洋资源开发和海洋防卫中扮演着越来越重要的角色，而路径跟踪控制是USV实现精确航行和执行一些复杂循线作业任务的关键技术之一，因此研究USV的路径跟踪控制对于提升USV的自动化、智能化水平具有重要的意义。USV在复杂海况下航行时，会受到来自风、浪和流等环境力的扰动，而且USV的模型参数会呈现出不确定性，所以需要有较强鲁棒性的控制方法来保证USV控制系统的稳定性以及USV运动的精确性。在此背景下，本文分析了USV路径跟踪控制中存在的一些难点问题，并重点对复杂海况下的USV路径跟踪控制问题展开了深入的研究。主要研究内容如下:
　　通过分析USV的运动学、动力学特性和海洋环境干扰力特性，以USV空间六自由度运动数学模型为基础，建立了复杂海况下的USV水平面三自由度运动数学模型。对USV的运动控制特性做了梳理，包括欠驱动性、模型不确定性、环境干扰性和执行器约束性等，为进行路径跟踪控制算法的开发奠定了理论基础。
　　对基于航路点的USV路径跟踪控制问题进行了研究。考虑到面向工程应用的USV路径跟踪通常为基于预设航路点的直线路径跟踪，设计了切换视线(Line-of-Sight，LOS)法制导律和过渡目标值函数S面艏向控制器。切换LOS制导律根据路径跟踪过程中偏航距离的变化切换出不同的LOS圆半径以引导USV快速地收敛到期望路径，过渡目标值函数S面艏向控制器为期望艏向角安排过渡过程来应对目标艏向角的骤变问题。自主研发了“KV-1”号USV试验平台，并开展了路径跟踪控制外场试验对所提出控制方法的有效性进行了验证。其中，路径跟踪控制试验包括基于3个航路点的折线路径跟踪和基于8个航路点的梳状路径跟踪。
　　对有海流干扰海况下的USV曲线路径跟踪控制问题进行了研究。考虑海流对USV运动学的影响，利用USV对于海流的相对速度信息建立了一种新的Serret-Frenet坐标系下的USV路径跟踪误差运动学模型。为了实现USV对海流漂移力的补偿，设计了一种海流状态观测器对海流速度进行估计，并进一步提出了一种自适应LOS制导律。基于反步法设计了路径跟踪动力学控制器，并对相对速度漂角加速度进行了代数求解。所提出的路径跟踪控制律能够保证闭环系统的误差信号全局K指数收敛。开展了定常海流干扰下的直线路径跟踪和变化海流干扰下的曲线路径跟踪仿真试验，验证了所提出控制方法的有效性。
　　对有风、浪和流混合干扰的复杂海况下的USV曲线路径跟踪控制问题进行了研究。基于虚拟船舶制导原理设计了路径跟踪制导律，利用动态面(Dynamic Surface Control，DSC)技术对虚拟控制变量进行了降阶处理，得到了运动学控制器。考虑到USV在复杂海况下具有的模型不确定性问题，利用神经网络的非线性函数逼近功能，提出了一种简捷自适应复合径向基神经网络（Radial Basis Function Neural Network，RBFNN）路径跟踪控制律。所设计的复合RBFNN以USV的状态跟踪误差和状态预测误差作为神经网络的输入信息，并基于最小参数学习思想对神经网络的在线学习参数进行了压缩，从而优化了网络的结构。所提出的路径跟踪控制律能够保证闭环控制系统具有一致最终有界性。开展了仿真试验验证了所提出控制方法的有效性。
　　对有风、浪和流混合干扰的复杂海况以及执行器受限条件下的USV曲线路径跟踪控制问题进行了研究。考虑到USV执行器的饱和非线性特性，设计了一种基于参数化双曲正切函数的饱和函数逼近模型。基于所设计的饱和函数逼近模型并利用中值定理对USV的动力学方程进行了变换，使控制信号显式表达以便于动力学控制器的设计。采用DSC技术设计了路径跟踪运动学控制器。考虑到USV在复杂海况下具有的模型不确定性和干扰力时变未知性问题，设计了一种基于RBFNN的神经网络干扰观测器对由饱和函数逼近误差和环境干扰力组成的复合时变干扰力进行估计和补偿，进而提出了一种简捷自适应神经网络路径跟踪控制律。所提出的路径跟踪控制律可以保证闭环系统的跟踪误差一致最终有界。开展了仿真试验对所提出的控制方法的有效性进行了验证。
　　本文开发的算法均通过Visual C++/Matlab混合编程实现，所取得的试验结果验证了上述所提出的路径跟踪控制方法的有效性，并且具有良好的跟踪控制性能。