在船舶控制领域,船舶数学模型可以用于建立船舶操纵模拟器,为研究闭环系统性能提供基础的仿真平台,还能直接用于设计船舶运动控制器。其中,水动力系数是船舶数学模型的重要参数,通过理论或者试验求得的水动力系数精度无法保证,因此,目前大多采用系统辨识的方法估计水动力参数。实践已经证明,水动力参数辨识问题可以看作是优化搜索问题。本文主要针对多目标粒子群优化算法以及在船舶横向运动的水动力参数辨识问题上的应用进行研究。本文首先对船舶横向运动进行数学建模,然后详细介绍了多目标优化问题的基础理论,最后分析出船舶横向运动的参数辨识问题可以转换成非线性的最优化问题,而且还是一个多目标优化问题。然后,简要介绍了基本粒子群优化算法的工作原理和工作流程,阐述了常见的多目标粒子群优化算法中涉及的概念,包括对粒子的评价标准、外部储备集的保存和全局和局部最优解的选取方式,引入了多目标优化算法常用的性能度量标准。然后引入基于竞争机制的粒子群算法,借鉴该算法的竞争机制,提出了基于竞争机制的多目标粒子群算法,分别对该算法的外部储备集和全局向导的选取的改进做了具体的介绍,并通过实验得出基于竞争机制的多目标优化算法对普遍的多目标优化问题具备良好的收敛性能。最后,提出了一种基于竞争机制的多目标粒子群算法的船舶横向运动的参数辨识方法。对海浪扰动和扰动力矩建模作为辨识的输入参数,然后确定了辨识问题的三个目标函数。最后利用基于竞争机制的多目标粒子群算法对横向运动的参数进行辨识,通过实验表明,提出的方法对船舶横向运动的参数辨识可以得到多个非劣解,而且这些非劣解对应的目标值和实际观测值的误差小,可供决策者根据实际需要选择,具有更好的实际意义。