船舶运动模型具有本质非线性、非完整约束、欠驱动和时变环境干扰等特性,船舶运动控制问题受到研究人员的广泛关注。传统舰船控制主要集中在单船舶的运动控制问题上。然而,随着海洋科技的发展,实际中迫切需要利用多船舶进行协调以完成更为复杂的任务。相关应用包括海洋资源探测、环境监测、海洋补给、搜索营救等。在这些具体应用中,舰船编队控制技术无疑是最重要的技术之一。船舶控制领域研究人员一直致力于寻求有效控制方法实现对多船舶的编队控制,并且取得了一定的研究成果,但仍然存在许多未解决的问题。不断探索船舶编队控制方法,实现多船舶的协调,有着重要实际意义和应用价值。本文从非线性系统自适应控制的角度出发,研究含不确定动态欠驱动舰船的鲁棒自适应编队控制问题,论文的主要工作包括以下几个方面：第一,考虑了领导船和跟随船同时含有不确定动态的舰船编队控制问题。采用领导-跟随编队控制结构,利用反推法进行编队控制器的设计,利用神经网络对系统不确定动态进行在线逼近,提出了一种领导-跟随鲁棒自适应舰船编队控制方法。稳定性分析证明了闭环系统是半全局一致最终有界的。仿真表明了所给控制算法的有效性和神经网络的学习能力。第二,针对上述反推法设计带来的控制器复杂性问题,采用动态面控制技术进行编队控制器设计,利用神经网络对跟随船不确定动态进行在线逼近,并引入自适应控制项对领导船未知动态进行学习,研究了基于动态面控制技术的鲁棒自适应神经编队控制器设计问题。利用李亚普诺夫稳定性分析证明了队形跟踪误差可以收敛到原点附近,仿真实验表明了所给控制算法的有效性。第三,研究了含未知非线性动态和未知环境干扰的欠驱动舰船队形跟踪问题。基于导弹截击目标导引方式中追踪导航原理和船舶点对点跟踪原理,首先提出了一种基于目标跟踪机制的编队控制方法。随后,结合反推法和神经网络在线逼近技术,提出了一种基于目标跟踪机制的鲁棒自适应舰船编队控制方法。稳定性分析证明了目标跟踪误差收敛到原点附近。仿真结果表明了所给控制算法的有效性。第四,研究了具有双向网络固定通讯结构下含不确定动态欠驱动舰船的领导-跟随运动同步控制问题。基于动态面控制技术,利用神经网络对船舶个体动态进行在线逼近,并结合领导-跟随同步控制策略,提出一种分布式鲁棒自适应合作编队控制方法。首先考虑了跟随船完全访问虚拟领导者信息的情形,提出了一种基本合作编队控制算法。随后将该结论扩展到存在网络通讯延迟和只有部分跟随者访问虚拟领导者两种情形。稳定性分析证明了由以上三种情形下所构成的闭环系统是半全局一致最终有界的,合作跟踪误差收敛到原点附近。广泛的比较分析验证了控制算法的有效性。第五,探讨了单向网络固定通讯结构下含不确定动态非完整多智能体系统的群集运动控制问题。单个智能体的动态是未知的并且遭受未知环境干扰。此外,领导者的动态也是未知的。采用神经网络对不确定动态进行逼近,并利用有界人工势能函数防止多智能体之间碰撞。在网络拓扑是强连通的假设下,证明了利用所提的群集控制算法,多智能体的速度与角度与领导者趋于一致,运动同步误差收敛到原点附近,并且可以避免个体之间碰撞。仿真结果表明了神经群集运动控制算法的有效性。