随着人类的不断进步,陆地资源已经几乎消耗殆尽。伴随着经济的不断发展,对于海洋的开发已经不仅仅是纸上谈兵,而是必然的趋势。因为海洋这个大环境,对其开发的难度大大高于陆地,人类目前开发的部分还仅仅局限于近海,但是海洋资源的大部分却是储藏在深海,所以开发深海是接下来几十年的重头戏。因此,半潜式海洋平台这一开发海洋的工具的重要性就不言而喻了,而对于能够保障海洋平台在海洋里工作的动力定位系统(Dynamic Positioning System,DPS)的研究就显然得到了重视。以往在近海浅水区域使用的海洋平台大多使用锚泊系统,然而DPS与之原理截然不同,是一种主动的系统,工作原理更为先进。其工作原理是利用安装在平台自身的动力定位装置根据系统发送的控制要求结合考虑环境干扰来做出控制指令,以便达到能够在海上作业的要求。本文的研究对象是某半潜式海洋平台,结合考虑了现阶段热门的智能控制算法,根据实际的控制对象,设计出控制器,从而来提高DPS的性能。半潜式海洋平台,是一个大时滞,大惯性的非线性系统,目前的研究成果难以对这样一个对象进行准确的建模。对此,文章中引入最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)来对平台进行辨识,由于LSSVM本身的特性,能够对平台模型进行较好的辨识。由于常规的支持向量机(Support Vector Machine,SVM)会存在维数灾难的问题,在控制工程中这将是一个不可避免的问题,LSSVM可以有效地克服这种情况,从而提高系统的稳定性,所以将LSSVM作为本文将要使用的广义预测控制(Generalized Predictive Control,GPC)的预测模型是非常合适的。本文首先详细的介绍了GPC的基本算法,并且以GPC为控制策略设计控制器并且进行仿真。根据GPC基于预测模型的特点,提出了基于在线LSSVM的GPC控制策略。在文章中分别对于基于在线LSSVM的GPC算法和没有优化的GPC算法进行了仿真,并且将结果进行了比较,从结果来看优化过的GPC算法比常规的没有优化的GPC算法的结果好,鲁棒性和稳定性更好。对于设计的基于在线LSSVM的GPC算法以某海洋平台作为研究对象进行仿真,仿真结果表明,本文根据海洋平台设计的控制器对于控制对象表现出了良好的控制效果,具有很好的鲁棒性和稳定性,对于实际应用有很好的指导意义。