波浪滑翔器是一种可将波浪能转换为前进动能的新型海洋观测平台,具有航程长、续航久、零排放、无污染的特点。波浪滑翔器等海洋观测平台的导航控制核心即是良好的航向控制能力,由于波浪滑翔器的动力来源于波浪能,其自身速度并不稳定,且海洋环境复杂多变,使得提高波浪滑翔器的航向控制能力成为了相关研究的热点与难点。针对上述问题,本文建立了波浪滑翔器波浪驱动速度预测模型,并将BP神经网络分别与PID控制器与ADRC控制器相结合,针对波浪滑翔器速度随海浪因素变化的特点,构建了适用于波浪滑翔器的自适应航向控制器。主要研究内容如下:第一,建立了“黑珍珠”波浪滑翔器动力学模型与运动学模型;针对航向传感器所处环境及自身存在的噪声干扰,对波浪滑翔器的航向控制输入即实际航向信息进行粒子滤波处理,以减少噪声对波浪滑翔器航向控制的影响。第二,由于波浪滑翔器对地速度可视为海流速度与波浪驱动速度的合速度,因此设计海试实验排除海流速度影响,研究了波浪滑翔器波浪驱动速度与波浪因素间的映射关系。由于其映射关系存在非线性,因此利用支持向量机建立了波浪驱动速度预测模型,为优化波浪滑翔器航向控制提供基础。第三,针对波浪滑翔器所处环境变化及自身结构参数摄动的问题,在传统PID算法的基础上引入了BP神经网络,采用神经网络与传统PID相结合的控制方式,利用神经网络的非线性表达与自学习能力,动态调节PID参数,将其适配应用至波浪滑翔器;针对BP神经网络容易陷入局部最小值的问题,利用自适应差分进化算法对BP神经网络初始权值进行寻优,并通过仿真与实验验证,证明了该算法可有效提高航向控制能力。第四,针对PID存在期望值改变造成误差值跳变、缺乏微分提取手段、缺乏干扰观测手段等缺陷,引入自抗扰控制器代替传统PID控制,并针对波浪滑翔器速度变化造成的模型参数摄动构建扩张状态观测器;同时应用BP神经网络对误差反馈控制律参数进行在线调整,进一步提高了控制质量与控制精度,并进行了仿真与实验证明。