近年来,无人帆船作为海上智能交通工具已显现出独特的价值,尤其应用于海洋资源勘探和环境监测中,既可提高时间和空间的利用率,又可降低燃油消耗、减少环境污染等情况。针对受风帆和海流等作用影响的无人帆船在航行过程中极易产生横向漂移,造成航线偏离等问题,提高无人帆船操帆效率并实现其自适应控制是推动无人帆船发展亟待解决的科学问题。本课题主要针对无人帆船航向自适应控制问题进行研究。首先,针对存在模型不确定、控制增益未知和外界环境扰动未知的四自由度无人帆船的航向保持控制问题,提出一种神经网络自适应动态面航向控制策略。该策略采用神经网络逼近帆船模型不确定部分,引入Nussbaum函数解决控制增益未知问题,并与动态面技术结合,避免可能存在的控制器奇异值问题。其次,针对输入受限的无人帆船航向控制问题,考虑存在模型不确定项、控制增益和外界环境扰动均未知的情况,设计了自适应递归滑模动态面航向控制器。采用低通滤波器变换系统形式解决控制增益未知问题,利用双曲正切和Nussbaum函数处理控制输入饱和现象,并引入递归滑模面,克服了传统动态面方法对其低通滤波器时间常数和神经网络自适应参数摄动脆弱的缺点。然后,针对基于非仿射航向运动数学模型的输入受限无人帆船的航向控制问题,提出了一种最小参数自适应递归滑模动态面航向控制策略。利用Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,引入自适应反演控制方法、Nussbaum函数设计控制器,并将最小参数学习法与递归滑模动态面控制技术相结合用于降低所提出算法的计算负载。最后,基于一艘12m型无人帆船模型进行仿真研究,验证所设计控制器的有效性。结果表明,无人帆船航向控制响应速度快,对外部环境扰动及模型未知部分具有较强的鲁棒性,能够实现无人帆船航向控制目标。