随着人类对于海洋的探索和开发逐步向深海迈进,海洋结构物的海上定位技术已经成为海洋工程研究中的重要领域。近年来,随着通讯技术,计算机技术和人工智能技术的飞速发展,无人系统的开发已成为技术发展的热点和前沿领域。在提供运动控制系统解决方案的基础上,动力定位系统需要进一步适应海洋结构物无人化和智能化的需求,并不断拓宽在海上大规模集群控制领域的研究和应用。本文首先基于海洋结构物模型、锚泊系统的动力学模型以及动力定位系统中各主要子系统的数学模型,构建了基于ROS平台的动力定位系统时域模拟程序。针对锚泊辅助动力定位系统的定位点选择问题,本文基于机器学习中的强化学习方法设计了能够自主选择最优定位点的锚泊辅助动力定位决策支持器。首先基于值函数免模型的Q学习方法进行智能体设计并在时域模拟程序中验证。随后在免模型的Q学习基础之上构建了基于Dyna结构的有模型强化学习方法,使用非线性支持向量回归方法对奖励函数进行建模和训练。另一方面,基于策略和值函数耦合的强化学习方法,设计了基于深度确定性策略梯度方法(DDPG)的决策支持器。数值模拟结果表示,免模型的决策支持器能有效的解决锚泊辅助动力定位系统的定位点选择问题;有模型的决策支持器能显著提升找到最优定位点的速度;深度确定性策略梯度方法的决策支持器可以在连续的动作空间内解决定位点选择问题,保证学习速度的同时保障稳定性。综上所述,本文针对锚泊辅助动力定位系统的定位点选择及控制问题,研究和探讨动力定位系统的智能决策方法。所得到的结论对于基于动力定位系统的海上作业具有一定参考价值。