为了解决非线性自抗扰控制器(NLADRC)参数在线整定问题,提高船舶在海上航行的安全性和经济性,针对船舶的航迹控制,本文采用径向基函数(RBF)神经网络优化的自抗扰控制方法。自抗扰控制技术是对PID控制技术进行改进后发展起来的现代控制技术,人工智能算法的发展为自抗扰控制算法提供了新的思路。通过仿真验证,本文设计的控制器提高了船舶航迹控制效果。本文采用了船舶运动分离型模型-MMG模型,对模型中的各种流体动力和干扰力进行了逐个详细分析,通过仿真试验验证了模型的误差在允许的范围之内。对没有横向动力装置的欠驱动船舶航迹控制问题,利用双曲正切函数构造期望船首向角方程,将航迹控制问题转化为航向的保持控制问题。常规的非线性自抗扰控制器参数众多整定困难,抗干扰能力差,本文受神经网络整定PID控制器参数的启发,将RBF神经网络与自抗扰控制器相结合,设计了 RBF神经网络优化的船舶航迹自抗扰控制器,将控制量和系统输出作为神经网络的输入,使网络输出逼近系统输出,对非线性自抗扰控制器中相当于PID控制算法中的比例增益和微分增益的两个参数进行在线整定。最后以SHANG HAI号集装箱船为仿真对象,利用Matlab在有风流干扰的海况下分别进行了直线和曲线航迹保持控制试验,仿真结果表明,控制器跟踪速度快且精度高,对外界干扰具有较强的鲁棒性。