随着航运事业的发展,船舶朝着大型化、高速化、智能化方向发展。超大型船舶在航行时,具有很大的惯性,对船舶的操纵控制要求高。另一方面,航运量的不断增大,船舶航行密度越来越大,航道及港口变得相对狭窄,船舶操纵变得更加困难和复杂。为保证安全,提高航行的经济性,对船舶的操纵性能提出了更高的要求,因而有必要采用新的控制理论和技术,研究性能更好的船舶操纵控制策略。船舶运动模型是研究船舶运动操纵和控制的基础,针对船舶模型的非线性、时变性和不确定性的特点,本文讨论了船舶操纵运动非线性和线性数学模型,同时给出了风、浪、流干扰模型和相应的船舶操纵运动仿真结果。传统的PID自动舵需要精确的船舶控制模型来得到好的控制效果,但在实际当中,精确的船舶模型是很难得到的。为了解决这一问题,本文讨论了利用神经网络学习理论结合PID算法而形成的神经元PID、神经元自适应PSD和神经网络PID控制算法并将之应用到了船舶的航向控制中,且应用MATLAB 7.0下的仿真工具SIMULINK 6.0对其进行仿真。仿真结果表明,此三种方法与对象的数学模型无关;在存在海风、海浪和海流干扰情况下,这三种方法都能达到明显比传统的PID算法好的航向控制效果,而且从船舶运动的复杂性与其数学模型的不确定性来看,基于系统辨识的神经网络PID控制要优于另外两种算法。最后本文分析研究了船舶航迹保持原理,介绍了航迹控制的两种实现方法即直接法与间接法的相关知识,并对间接法控制方案的相关环节进行控制算法的研究与实现,重点是设计相关控制器的结构和参数,最后进行仿真并得出了相关结论。