在各种不确定的海洋环境因素干扰下,利用有效的控制算法实现航迹跟踪控制是无人船(Unmanned Surface Vessel,USV)能顺利完成科研勘探、水文测绘、搜救巡逻等任务的前提。由于无人船的非线性、高阶性以及不确定性,为其建立精确的动力学模型具有很大难度。在现有的研究中多数控制器的参考输入是期望的纵荡速度和船舶的航向角,将其定义为时间的函数可能会使欠驱动无人船偏离期望航迹。为解决以上问题,本文将船舶制导系统与航向控制算法集成,针对无人船的控制算法开展研究工作。本文首先基于分离型机理模型,建立了无人船六自由度的运动数学模型以及干扰模型,为后续控制器的设计奠定基础。制导和控制是船舶控制系统实现复杂自动航行任务的两大重要模块。在制导方面,针对当前的视线(Lineof Sight,LOS)制导算法存在当航迹误差较大时无人船收敛到期望航迹的速度较慢,以及在航路点位置附近采用自动转向的缺点,提出了改进LOS制导算法。该算法能在航迹误差较大时,引导船舶快速收敛到航线,在航途参考点切换过程中提供了合理的导航机制。在控制方面,本文针对固定增益PID控制器通常不能在某些工作点提供令人满意的控制性能,以及控制参数整定困难的问题,设计了 PID-GA控制器。利用遗传算法(Genetic Algorithm,GA)针对不同的航迹及海况选择最优增益参数,根据航迹和海况的变化在线进行增益调节。仿真结果表明所设计的PID-GA控制器较传统PID控制器具有更好的自适应能力和抗干扰能力,但是仍然没能实现智能控制。最后,针对船舶操纵的固有非线性、不确定性和欠驱动特性,以及无法获得无人船精确的运动数学模型,本文利用强化学习中深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法设计了 DDPG-H控制器,实现了智能控制。DDPG-H控制器通过环境的实时反馈自主学习控制无人船跟踪已知航迹,仿真结果证明了 DDPG-H控制器具有良好的控制性能,能完成高精度的航迹跟踪。