近年来,无人船舶的自主航行受到越来越多的关注。船舶运动控制是实现无人船舶自主航行的关键技术,其中航向控制和轨迹跟踪控制更是重要环节。然而船舶运动具有强非线性和不确定性等特点,这使得无人船舶的航向控制和轨迹跟踪控制受到严峻挑战。此外,相比于传统船舶,无人船舶通常采用拓展性强、易共享资源的网络控制系统,但其控制性能容易受到通讯带宽的影响。因此针对以上问题,为提高控制器的反馈能力和鲁棒性,同时降低控制信号的更新频率以降低通讯负担,本文对基于事件触发的无人船舶航向控制和轨迹跟踪控制进行研究。首先,针对控制方向未知和参数不确定的无人船舶航向控制问题,设计了一种基于事件触发的航向逻辑切换自适应控制算法。将逻辑切换与事件触发两种机制进行融合,构造新型的逻辑切换事件触发机制。该机制通过预设事件决定何时调整控制器参数及更新控制信号,以应对未知控制方向,同时降低控制信号的更新频率。引入动态增益技术,克服测量误差对系统的不利影响。所提出的算法实现了对期望航向的实际跟踪,跟踪误差能够指数收敛到可调的原点邻域内,并且所构造的事件触发机制没有引发芝诺现象。仿真结果表明该算法能够在保证控制性能的前提下有效减少控制信号更新次数。其次,针对受到界已知外部环境干扰的无人船舶轨迹跟踪问题,设计了一种基于事件触发的轨迹跟踪动态面控制算法。该算法引入动态面技术,利用代数运算替代反步法中虚拟控制量的微分运算,降低计算复杂度,提高其在无人船舶中的可实现性。构造相应的事件触发机制,降低控制信号的更新频率。引入基于双曲正切函数的鲁棒项,克服外部环境干扰和测量误差带来的不利影响。所提出的算法实现了对期望轨迹的实际跟踪,跟踪误差能够指数收敛到可调的原点邻域内,且避免了芝诺现象。仿真验证了该算法在轨迹跟踪控制和降低控制信号更新频率方面的有效性。最后,进一步研究受到未知外部环境干扰且具有模型不确定性的无人船舶轨迹跟踪问题,为提高控制器的鲁棒性,设计了一种基于事件触发的轨迹跟踪神经网络自适应控制算法。该算法利用神经网络实现对模型中不确定项的逼近,采用自适应估计算法对神经网络的逼近误差和未知外部环境干扰的界进行估计。引入事件触发机制,并通过改进鲁棒项及切换增益,克服测量误差的不良影响。所提出的算法实现了对期望轨迹的实际跟踪,跟踪误差能够指数收敛到可调的原点邻域内,且避免了芝诺现象。仿真结果表明,该算法对模型不确定性和外部环境干扰具有较强的鲁棒性。