全球商业的高速发展促使了船舶制造业的飞速发展，船舶日趋大型化。由于大型船舶自身惯性大，航行控制不稳定、泊船操作困难等问题，港内大型船舶在靠泊过程中容易出现事故，因而船舶的自动靠泊技术已成为该领域热门研究问题。针对大型船舶港内自动靠泊过程中，低速路径跟随控制效果差、能耗大和泊位外镇定控制等问题，本文重点探讨了其中两个关键点：低航速下的航迹保持控制和位移无超调的泊位外镇定控制，基于对这两个控制过程的研究，本文所做的主要工作包括：
　　在前人丰富的研究基础上，本研究基于MMG分离型建模思想建立了大型船舶三自由度数学运动模型以及干扰数学模型，为后续的控制器设计提供模型基础。
　　针对港内低速路径跟踪时，船舶的舵效和实船操纵性能差的问题，借鉴了间接航迹控制的思想，将航迹控制分为制导环节、航向控制环节和舵角控制环节。在制导方面，采用视线(LOS，Line of sight)制导算法，针对该制导算法在横向误差较大时，收敛到目标航迹的速度很慢和在大转角处跟踪效果差的问题，对LOS算法进行了改进；在航向控制方面，针对低速时舵角幅值大和操舵频率高等问题，设计了基于单神经元自适应PID航向控制器。最后将自适应LOS制导算法和单神经元自适应PID航向控制结合成航迹控制器，仿真结果表明在低速路径跟踪时，设计的航迹控制器能够引导船舶快速收敛到目标路径，面对不同的转角都能够平滑地完成转向任务，而且跟随过程舵角幅值更小，操舵频率更小。
　　为了解决自动靠泊中最后的镇定控制问题，考虑到人工神经网络(ANN，Artificial Neural Network)具有较强的非线性函数映射能力，可以用来复制有丰富经验的船长的成功靠泊过程。通过所建立的船舶运动数学模型和GUI（Graphical User Interface）控件搭建一个简易的靠泊仿真平台，利用人工靠泊实验产生样本数据，然后利用三层BP神经网络进行参数训练。利用训练好的ANN在不同初始状态下进行靠泊实验，实验结果显示，控制器达到了较好的控制效果，满足实际靠泊的要求。
　　本文所有仿真实验采用MATLAB编程实现，仿真实验结果验证了控制器的有效性。本文的研究对于促进船舶自动靠泊控制发展具有重要的现实意义，为建设安全节能的海上运输奠定了理论基础。