无人艇是一种在水面上快速航行的小型船只,拥有着安全、经济、高效等优点,从而在军事和民用领域得到了广泛的应用。在海洋领域越来越为重要的背景下,无人艇的应用范围较大,并且目前的发展前景较为广阔,所以国内外都有大量相关人员在进行研究,发展无人艇的各类技术。无人艇的运动具有非线性的特点,在行驶过程中容易受到风、浪、流等干扰,为了增强无人艇运动控制的鲁棒性,在这种背景下,对无人艇航向控制的研究也尤为关键。因此,本文针对基于BP神经网络的无人艇航向控制进行了研究,主要分为以下几个方面。首先,本文介绍了无人艇航向控制及神经网络的发展,通过构建地面、船体坐标系,对船体上的力和力矩进行分析,构造整体性模型,并对环境中的风、浪、流扰动依次分析,完成无人艇运动数学模型的建立;神经网络由神经元组成,本文阐述了神经元的基本模型,及神经网络的类型、学习方式和学习规则,通过对以上内容的分析选取,完成了从单一感知器到BP神经网络的建立,说明BP神经网络训练过程可能存在的缺点,为下一步的研究做好了准备。其次,介绍了基础的PID理论,并用遗传算法对传统PID进行参数整定,然后基于BP神经网络,将PID控制算法改进为自适应PID控制算法,再通过模糊规则对输入BP神经网络的参数进行归一化处理,并与无人艇运动数学模型相结合,构建出基于BP神经网络的无人艇航向控制结构。在Visual Studio 2019平台上,对传统PID航向控制和自适应PID航向控制分别进行了仿真实验,将得到的数据进行对比分析,证明自适应PID航向控制算法拥有更好的鲁棒性。最后,本文针对BP算法收敛较为缓慢,容易陷入局部极小值点的缺点,采取了在调整权值时修改变化程度的方法;分别使用了共轭梯度法和拟牛顿法加强神经网络的收敛能力,生成新模型;再用改进的模型在Visual Studio 2019平台上进行仿真实验,经过总结数据和对比分析,证明了新控制算法的偏差小,稳定速度快,在外界干扰下拥有着更强的抗干扰能力,并根据以上内容提出了接下来的研究方向和内容。