中文摘要：

面向船舶航向与主推进强非线性耦合MIMO复杂系统，研究具有非线性参数化严格反馈模型的动态自适应跟踪控制理论和方法，并将其应用于欠驱动水面船舶运动的动态轨迹跟踪与保持控制。有别于传统的神经模糊系统设计方法，提出一种具有递归结构的神经模糊模型，实现最少学习参数算法，使算法结构简单，计算量小且能保证控制性能。在消除船舶MIMO系统模型中的解耦矩阵影响，解决强非线性和耦合问题的同时，探索解决传统自适应控制设计中对于高阶系统可能存在的维数灾难、计算膨胀、控制方向未知和控制器奇异值问题。提出一种船舶航向操纵与主推进联合智能控制方法。将这种协调层控制结构与动态神经模糊自适应控制算法相结合，可实现整个船舶系统的优化控制。由于一大类工程系统如船舶、飞机和柔性机械臂系统的控制等均可采用非线性参数化严格反馈非线性模型描述，因此本申请研究的理论与方法可以应用于该类系统的建模与控制，具有重要理论意义和应用前景。

结论摘要：

本课题面向船舶航向与主推进强非线性耦合MIMO复杂系统，研究具有非线性参数化严格反馈模型的动态自适应跟踪控制理论和方法，并将其应用于欠驱动水面船舶运动的动态轨迹跟踪与保持控制。基于矢量backstepping设计工具、动态面控制技术、自适应控制和神经网络逼近等理论方法，考虑外部扰动、模型参数存在不确定性、状态反馈/输出反馈等情况，对于船舶航迹跟踪控制和定位控制等一系列问题进行了系统的研究。针对受到未知时变扰动作用的动力定位船舶航迹跟踪控制问题，考虑含有科氏向心矩阵和非线性阻尼项的船舶运动数学模型，构造自适应扰动观测器，用于提供未知扰动的估计；同时将构造的扰动观测器与矢量backstepping方法相结合，设计船舶航迹跟踪鲁棒控制律。理论分析证明了所设计的控制律能使船舶跟踪任意航迹同时保证闭环系统中所有信号一致最终有界。针对船舶参数已知、遭受未知时变扰动的船舶动力定位控制问题，采用动态面控制技术改进传统的矢量backstepping设计方法，通过引进一阶滤波器代替了对中间虚拟控制量求导项，可避免复杂计算，简化控制律的结构，更易于在船舶动力定位系统中实现。研究外部扰动界已知/未知、状态反馈/输出反馈等不同情形，分别引入含基于 -修正的泄露项的参数自适应律和高增益观测器设计控制律，借助Lyapunov函数证明所设计的控制律能驱动船舶达到设定的目标位置，同时保证闭环系统中所有信号一致最终有界。对于船舶参数、外部扰动均未知的船舶动力定位控制问题，采用矢量backstepping设计工具与神经网络逼近器相结合的方法设计自适应状态反馈控制律；进一步，在船舶速度不可测的情况下，利用动态面控制技术改进传统的矢量backstepping设计方法，将神经网络、状态观测器相结合，设计船舶动力定位自适应输出反馈控制律，借助Lyapunov函数证明了闭环系统中所有信号一致最终有界。