近年来,随着欠驱动系统控制技术的快速发展以及船舶智能化要求的不断增加,欠驱动船舶控制问题受到越来越广泛的关注。本课题结合backstepping设计方法、滑模控制算法、参数自适应方法、动态面控制技术、神经网络以及低频增益学习等先进控制理论,考虑欠驱动船舶存在外界环境干扰、模型不确定、速度不可测情况,提出欠驱动船舶轨迹跟踪状态反馈与输出反馈自适应滑模控制策略。首先,以船舶模型已知为前提,考虑干扰界已知和界未知两种情况下的船舶轨迹跟踪问题,对外界环境干扰界已知情况,结合backstepping设计方法与滑模控制算法,设计船舶轨迹跟踪滑模控制律;进一步,对外界环境干扰界未知情况,设计带有σ-修正的参数自适应律估计外界环境干扰的界值,并引入双曲正切函数消除因符号函数引入带来的“抖振”问题。其次,针对船舶存在模型不确定项与未知环境干扰的轨迹跟踪控制问题,将动态面控制技术、自适应神经网络、滑模控制算法与backstepping设计方法相结合,设计一种基于神经网络的船舶轨迹跟踪自适应滑模控制律;进一步考虑为避免神经网络导致的“维数灾难”问题与直接对虚拟控制律的微分操作,将最小参数学习法与动态面控制技术相结合,提出一种基于动态面和最小参数法的欠驱动船舶轨迹跟踪自适应滑模控制律,用于降低计算负载和避免复杂性爆炸问题。然后,针对实际工况中船舶速度不易测量的轨迹跟踪控制问题,设计非线性观测器估计船舶速度,依此再结合动态面控制技术,避免对虚拟控制量直接求导,提出一种基于非线性观测器的欠驱动船舶轨迹跟踪自适应滑模输出反馈控制律,该控制律可在速度不可测条件下,完成对船舶轨迹跟踪的控制目标。进一步考虑船舶模型存在参数不确定项,设计扩张观测器估计船舶速度以及复合扰动,并将神经网络和低频增益学习技术相结合,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频增益学习自适应动态面输出反馈控制方法,该方法可消除由于外界因素影响导致控制信号产生高频振荡的现象。最后,以新加坡海关一艘名为“BAY CLASS”号的远程巡逻船作为每个章节的仿真研究对象,采用Matlab软件对欠驱动船舶进行轨迹跟踪控制仿真研究,以此验证所设计船舶轨迹跟踪控制方法的有效性。结果表明本文所设计的控制器能够有效的克服外界环境干扰以及模型参数摄动的影响,实现欠驱动船舶轨迹跟踪控制目标。