本文对神经网络模型参考自适应控制及其在船舶航向控制中的应用进行了系统的研究。 首先针对船舶线性模型,在讨论了模型参考自适应控制理论的基础上,设计了模型参考自适应自动舵,并对其进行了仿真。 针对船舶航向非线性不确定系统,提出了一种把神经网络和模型参考自适应控制结合在一起的新的控制算法,此算法首先通过系统的已知动态特性设计一个稳定的反馈控制器,然后利用RBF神经网络逼近未知非线性,从而消除不确定性的影响。权重自适应修正规则是基于Lyapunov稳定性理论实现的,避免了递规训练过程,保证了自适应控制算法的稳定性。控制器设计时结合了鲁棒控制方法,来消除或减小外部干扰以及神经网络逼近误差,使得系统具有一定的鲁棒型。整个算法不仅保证整个闭环系统稳定,而且能使系统的跟踪误差收敛于零的邻域内。最后把此算法进行了仿真,仿真结果令人满意。 将算法在不同外界条件,如在风浪干扰时、在不同载运状态下、在不同速度下进行仿真,仿真结果表明该算法的控制效果显著,并与常规模型参考自适应算法的控制结果进行了比较,证明了神经网络模型参考自适应控制算法的性能优越于传统模型参考自适应控制算法的性能。 为了检验本文提出的船舶航向自动舵的性能,研究了船舶运动数学模型,以及包括风、浪、流和非线性力作用在船舶上的外界干扰力和力矩的计算模型。利用Matlab的Simulink环境实现了对各种船舶航向自动舵的大量仿真试验。