水面船舶运动控制一直是备受关注的研究领域。船舶动态具有大惯性、大时滞、非线性的特点,由于受航速、风浪流等外界干扰以及量测误差等因素的影响,建模参数甚至结构的摄动引起的不确定性,使得对船舶运动的控制具有相当难度。同时,它也是迄今国内外一般基于线性控制理论和传统智能控制设计的控制算法的实际效果与研究者的预期相差甚远的一个主要原因。为此,本文提出一种基于动态神经模糊模型的船舶航向智能控制方法。本文主要考虑航速变化引起的不确定性因素对船舶航向跟踪控制的影响,通过将RBF神经网络与T-S模糊模型有机结合,构造结构与参数在学习中能同时调整的动态神经模糊模型(DNFM)。DNFM用于充分逼近建模参数时变的Norrbin非线性船舶模型的逆动力学。训练好的DNFM与PID控制器并联构造自适应控制器用于航向跟踪控制,且以PID控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值,设计的智能控制器能有效解决具有建模参数不确定性的船舶运动控制问题。文中以中远集团5446TEU集装箱船为对象进行仿真,通过设定两种不同的航速变化工况,完成了对船舶逆动力学的逼近;随后通过设计基于DNFM的自适应智能控制器,实现船舶航向的快速跟踪,有效地克服了建模参数不确定性的影响。