非线性系统几何理论的诞生为研究非线性系统控制提供了条件,后推法(Backstepping)是非线性控制的一种重要的工具,由于船舶运动模型具有非线性,利用后推法设计船舶航迹控制算法成为了目前研究船舶航迹控制领域的热点问题。本文分别针对无干扰和带干扰情况下船舶航迹运动模型,完成了基于后推法的神经网络控制算法设计,在设计过程中,将被控系统分成与系统阶次相同数量的子系统,通过后推法分别对每个子系统设计虚拟控制律,最终得出输入信号的控制律。在处理不确定项时,该方法通过径向基神经网络(Radical Basis Function Neural Network, RBFNN)逐渐逼近未知函数,利用Nussbaum增益技术处理系统中存在的未知控制增益问题。随着系统阶次的增加,后推法会造成计算的复杂度增加,使用动态面(Dynamic Surface Control, DSC)方法可以减少计算量,从而解决了因系统阶次增加而造成的计算量膨胀问题。通过稳定性分析,证明所设计的控制算法能够使闭环系统半全局一致最终有界,利用Matlab仿真工具对本文设计的控制算法进行仿真,仿真结果表明所设计的控制算法具有一定的鲁棒性。