近几十年来,船舶制造行业的发展如火如荼,这也使得船舶不断向着规模化、先进化、专业化的方向发展。而无论船舶向着什么方向发展,它的核心思想始终聚焦在如何提升船舶航向控制性能上。因此需要对其进行进一步研究,本文为了更有效的处理船舶航向保持系统中的不确定性部分,即系统漂移不确定、控制增益不确定、以及海上未知环境干扰。针对性的提出控制策略,完成对系统的有效调节控制。首先针对系统中存在的漂移不确定项以及未知外界干扰项,采用RBF神经网络逼近方法进行处理,基于Backstepping技术以及Lyapunov稳定性理论设计出了一种适用于船舶航向保持控制系统的鲁棒自适应神经网络(RANN,Robust Adaptive Neural Network)控制器。该控制器最终使得闭环系统内所有信号满足一致最终有界,并且系统的跟踪误差最终收敛于预设镇定边界中。其次考虑到船舶实际工程中存在的控制方向未知的问题,引入Nussbaum增益技术,构建了一种新的Nussbaum函数,提出了一种能够有效处理系统的控制增益符号未知的RANN(鲁棒自适应神经网络)控制器,能够同时处理船舶航向保持系统中存在的漂移不确定和控制增益符号未知问题。该控制器最终使得闭环系统内所有信号满足一致最终有界,并且系统的跟踪误差最终收敛于预设镇定边界中。最终,通过MATLAB进行仿真研究,验证本文所设计的控制器的有效性。