模糊控制器的量化因子由输入变量的物理论域和模糊论域确定,输入变量的物理论域在不断地变化,固定的量化因子已不能满足控制精度的要求。根据输入变量的物理论域的变化与量化因子的关系,设计BP神经网络,在线调整量化因子,提高模糊PID自动舵的控制性能。将作用于船体上的流体动力和力矩按照物理意义,分解为作用于裸船体、敝水桨和敞水舵上的流体动力和力矩,以及它们之间的相互干扰流体动力和力矩。为了验证船舶航向控制器的性能,建立船舶操纵数学模型(MMG)。通过计算机仿真实验,验证所建立船舶模型的准确性。设计传统的PID船舶自动舵,对船舶航向进行控制,人工整定PID控制器的参数,使PID控制器效果达到最佳。被控对象模型的不确定性和航行环境的变化,降低了船舶PID自动舵的控制精度,针对传统PID控制器的缺点,添加一个模糊控制器,以航向偏差和偏差变化率为输入,根据经验确定控制规则,在线调节PID控制器的参数,改善传统PID自动舵的性能。根据船舶期望航向的不同,人工整定模糊控制器的量化因子。设计一个以船舶期望航向为输入,量化因子为输出的BP神经网络,利用期望航向和由人工整定的量化因子为训练样本对网络进行训练,在线调节模糊控制器的量化因子,改善模糊PID自动舵的航向控制性能。通过计算机仿真实验,验证模糊PID自动舵的控制性能优于传统PID自动舵的控制性能,经过BP神经网络在线调整量化因子后的基于BP神经网络的模糊PID自动舵的控制性能优于常规PID自动舵的控制性能。