近年来,随着海上石油开发及海上作业的发展,海洋作业系统中的关键技术船舶动力定位系统的研究在发展迅猛,军民用特种船舶上均获得了日益广泛的应用。与发达国家相比,我国的设计和生产能力还有很大差距。因此,研究高精度、适应性强、实用的动力定位系统,具有重要的现实意义和深远的战略意义。在可加性模糊系统的众多类型中,标准可加性模型(或者SAM的某种形式)在实际应用中被大多数模糊工程师使用,因为它可以解释实际工程中遇到的几乎所有的模糊系统。基于此,本文研究了应用于船舶动力定位的标准可加性模型智能控制方法,主要包含一下几个方面：1.为了实现对海洋环境干扰因素的预测,为船舶动力定位系统控制器的设计奠定基础,本文将神经网络与SAM系统相结合,建立了基于SAM系统的模糊神经网络(即SAM-NET)结构,证明了SAM-NET结构的全局逼近性,提出了一种适合SAM-NET的学习训练算法,使隶属度函数更加的趋向合理。采用SAM—NET对海洋干扰环境进行预测。通过仿真和误差分析,结果表明：用SAM-NET对风、浪进行预测是准确可行的。2.准确的船舶位置信息在船舶动力定位的过程中有着十分重要的作用。为了得到准确的船舶位置信息,本文定义了自相似信息系统矩阵中“点”、“线”、“面”、“体”、“链”,建立了船舶动力定位系统的自相似信息系统矩阵,实现了动力定位系统各组成部分间的信息资源的共享与互补。在此基础上,本文提出了一种基于SAM模型的船舶动力定位位置信息多传感器数据融合算法。该算法将竞技体育打分评分方法与3σ准则相结合来剔除野值,选取类高斯函数作为模糊规则的隶属度函数,每条被激活规则权重值相等。实验表明,该数据融合算法的融合结果比各位置传感器的测量结果更加接近船舶的真实位置。3.针对动力定位船舶在定位时海洋干扰环境变化大,无法精确描述船舶的数学模型,动力定位控制效果达不到预期值,本文设计了一种基于SAM改进算法的船舶动力定位控制器。首先利用层次分析法去除SAM初始模糊规则中冗余或者相互矛盾的规则,再利用蚁群优化算法得到每条规则的权重值。仿真实验结果表明：本文所设计的SAM改进算法船舶动力定位控制器响应时间较短,控制效果稳定、精确。4.本文根据多模态控制思想,设计了基于SAM改进算法的船舶动力定位多模态控制系统。该系统利用SAM-NET模型对海洋环境进行预测,并采用滤波器对海洋环境干扰的进行滤波,根据海面风力的大小选定人工直接操作、PID控制或基于SAM改进算法控制器对定位系统进行控制,使用混合模态控制方法实现模态间平稳平滑地切换。采用平均时间驻留方法证明了多模态切换系统的稳定性。仿真结果表明：海上定位船舶在动力定位系统的控制下能较快的到达定位位置且保持稳定,系统具有良好的稳定性、鲁棒性及准确性。综上,本文对应用于船舶动力定位的标准可加性模型智能控制方法展开了研究,取得了一定的成果,但仍有不足的地方,有待进一步研究和改进。