船舶靠泊作为船舶航行中最重要的一环,船长须具有丰富的经验才可以驾驶船舶完成船舶的靠泊任务,由于智能船舶的提出与发展,船舶的自动靠泊也成为船舶航行领域亟待解决的问题。本文提出一种自抗扰控制与神经网络相结合的方法,完成船舶的靠泊任务。由于船舶在港口航行处于低速、浅水状态,由于船舶受力相较于常速、深水状态发生较大改变,导致船舶控制器无法准确地完成船舶港口内的航行控制任务。本文在船舶在港口航行所处的低速、浅水状态特点的基础上完成了如下任务:(1)通过查询资料建立船舶的MMG运动模型,并分别对船舶模型进行低速域和浅水域进行修正。综合考虑船舶港内航行所受到的外界干扰,查询风力、浪力、流对船舶航行的影响,分别建立风、浪、流的模型。(2)船舶港内航行具有模型不精确导致无法设计精确的控制算法、且船舶在低速浅水情况下受到环境干扰影响相对较大的特点。而自抗扰控制算法具有对控制对象模型精确度要求不高、具有优良的抗扰性能、设计简单等特点。本文将船舶模型简化为三阶Nomoto模型,并将船舶的吃水比与航速的变化与船舶的操纵指数相联系,通过设计自抗扰控制算法完成船舶港内航行的航向保持控制。(3).分析欠驱动船舶的控制特性,将船舶的航迹控制分为船舶的航向控制和船位控制两个部分,通过分别设计自抗扰控制器,完成船舶的直线航迹控制。(4)采用自抗扰控制完成船舶在靠泊过程中的航迹控制,通过采集不同初始状态下船舶的靠泊信息,训练神经网络完成对船舶靠泊过程中对螺旋桨转速的控制,以控制船舶的速度,并通过仿真验证控制的有效性。本文通过仿真,验证了自抗扰控制算法对船舶港内航行控制的有效性,并采用自抗扰控制与神经网络控制相结合的方法,完成了船舶的靠泊控制任务。