随着作战方式的变革,无人作战系统成为未来发展的主流趋势,水面无人艇(Unmanned Surface Vessel,简称USV)作为其中一个重要分支,受到越来越多国家的重视。其中,自主航行技术是USV控制的核心,主要表现在智能危险规避和航迹跟踪控制这两大方面。本文将重点研究USV航迹控制算法,确保USV能够按照规划的航线航行,为未来战争中精确打击、完成特殊作战任务提供有利信息。USV是一个典型的具有非线性、运动模型不确定性的系统,在海面航行时还会受到风、浪、流等外界环境干扰的影响,这使得USV的精确航迹跟踪非常困难。神经网络强大的学习能力,使其成为许多领域的研究热点,本文为提高USV航迹控制的精确性、鲁棒性和稳定性,对神经网络控制理论,以及它在USV航向控制和航迹跟踪控制中的应用进行了深入的研究和分析。本文首先介绍了间接式和直接式两种航迹控制实现方案,并研究了USV航行中艇位、方位、航迹偏差的计算方法。依据USV空间三自由度运动,分别建立其平面运动的线性化数学模型和非线性化数学模型,同时也给出了风、浪、流干扰模型。然后介绍了BP神经网络的基本原理,针对间接航迹控制,将神经网络与PID控制相结合,设计了基于BP神经网络的PID航向控制器。在MATLAB下的仿真工具Simulink中分别对传统的PID航向控制和BP神经网络PID航向控制进行仿真研究,仿真结果表明基于BP神经网络的PID航向控制器它实现了控制器参数的在线调整,在有风、浪、流干扰时,其控制效果明显优于传统的PID控制。最后,针对直接航迹控制设计了神经网络在线直接航迹控制器,依据罗经指向、航速、舵角、GPS定位、电子海图等信息,对位置坐标进行直接控制。在Simulink中搭建仿真框图,BP神经网络控制器通过S函数模块实现,仿真结果表明神经网络在线航迹控制器具有良好的航迹跟踪精度。