船舶航迹跟踪控制是指在控制律的驱动下,使船舶的实际航迹跟踪一个期望的参考轨迹。航行中的船舶不可避免地遭受着未知时变环境扰动,且存在着动态不确定性与输入饱和约束,针对上述问题,本文开展如下研究工作:1.将具有部分动态不确定性、未知时变环境扰动与输入饱和约束的船舶航迹跟踪控制问题归纳为输入饱和约束下一类不确定严反馈非线性系统的跟踪控制问题。通过将自适应神经网络、“最少学习参数(MLP)”技术、辅助动态系统与指令滤波逆推设计工具相结合,提出了一种新的鲁棒自适应神经网络跟踪控制策略。应用所提出的控制设计方法,设计了一种鲁棒自适应神经网络船舶航迹跟踪控制律。所设计的控制律不仅降低了计算量,还有效避免了输入饱和可能破坏自适应律的在线学习能力,提高了航迹跟踪控制系统的性能。2.将具有动态不确定性、未知时变环境扰动与输入饱和约束的船舶航迹跟踪控制问题归纳为输入饱和约束下一类控制增益未知的不确定严反馈非线性系统的跟踪控制问题。利用双曲正切函数逼近输入饱和非线性,构造一个具有“小误差大增益、大误差小增益”特征的非线性函数,并与非线性跟踪微分器、Nussbaum型函数、自适应神经网络、MLP技术、逆推设计工具相结合,提出了一种新的鲁棒自适应神经网络跟踪控制策略。该控制策略能平衡反馈控制增益与系统控制性能间的关系,提高控制性能。应用所提出的控制设计方法,设计了一种新的鲁棒自适应神经网络船舶航迹跟踪控制律。进一步,考虑船舶航迹跟踪控制的输出受限问题,引入一种新的非线性变换,将输出受限问题转换为变换变量的有界性问题。在此基础上,将自适应神经网络技术、辅助动态系统与动态面控制方法相结合,提出了一种鲁棒自适应神经网络航迹跟踪控制策略。该控制策略能在统一框架下处理常值、时变、对称与非对称等不同类型的航迹约束。3.将具有动态不确定性、未知时变环境扰动与输入饱和约束的船舶航迹跟踪控制问题归纳为输入饱和约束下不确定严反馈Euler-Lagrange系统的跟踪控制问题。针对这一问题,利用有限时间稳定性理论、自适应神经网络技术与新的辅助动态系统,提出了一种鲁棒自适应有限时间跟踪控制策略。进一步,采用高斯误差函数逼近输入饱和非线性,将由动态不确定性与未知时变环境扰动组成的复合不确定项转换为带有单一未知虚拟参数的线性参数化形式,并结合自适应技术与矢量逆推设计工具,设计了一种鲁棒自适应有限时间船舶航迹跟踪控律。所设计的控制律只需要在线估计一个未知参数,且具有计算简单、易于工程实现的优点。4.为了验证上述提出的船舶航迹跟踪控制策略的有效性,以一艘模型船为仿真测试对象,并利用Matlab/Simulink工具箱进行仿真研究,结果表明:所提出的航迹跟踪控制策略能有效地解决具有动态不确定性、未知时变环境扰动、输入饱和以及输出受限的水面船舶航迹跟踪控制问题,使水面船舶的实际航迹能够以期望的跟踪控制性能跟踪参考航迹。