船舶非线性运动模型参数辨识及预报是船舶研究领域的一个重要部分。良好的运动预报不仅在船舶的安全性及操纵方面起着重要作用,也在军舰导弹发射精度提供帮助。船舶运动预报既对舰载机的安全起降提供帮助,也可为船舶耐波性的研究提供数据基础。为此开展了以下研究。船舶运动数学模型是研究船舶非线性运动模型参数辨识及预报的基础和关键,建立准确的船舶运动数学模型并进行仿真能更好的研究船舶的运动特性。船舶运动数学模型中,分离型模型(MMG)不仅各项具有实际的物理意义,而且能单独研究船舶的减摇鳍、舵等的水动力参数。因此本文采用分离型模型的思想,研究建立船舶运动数学模型。详述分离型模型中各分力、力矩的构成和水动力系数的推导和计算方法,分析了海浪的特性以及海浪对船舶运动的干扰,最终建立海浪干扰下的非线性船舶运动数学模型并进行船舶运动仿真。建立船舶运动数学模型过程中,根据船型数据计算模型参数计算复杂且偏差较大。本文研究辨识建模方法,提出应用扩展Kalman滤波算法辨识估计船舶运动非线性模型参数。以分离型模型与扩展Kalman滤波算法相结合,应用扩展Kalman滤波算法辨识分离型的船舶运动数学模型的模型参数,通过仿真实验数据,分析模型参数辨识曲线,验证了辨识结果。最后应用扩展Kalman滤波算法,在线自适应辨识船舶运动模型参数,建立预报模型,并进行船舶运动预报,通过实验结果对比分析,预报效果要好于基于卡尔曼预报算法的AR预报方法和基于递推最小二乘算法的AR预报方法,预报精度更高。