随着航运事业的发展，船舶朝着大型化、高速化、智能化方向发展。超大型船舶在航行时，具有很大的惯性，对船舶的操纵控制要求高。另一方面，航运量的不断增大，船舶航行密度越来越大，航道及港口变得相对狭窄，船舶操纵变得更加困难和复杂。为保证安全，提高航行的经济性，对船舶的操纵性能提出了更高的要求，因而有必要采用新的控制理论和技术，研究性能更好的船舶操纵控制策略。本文对船舶操纵运动控制中的模糊控制、神经网络控制和遗传算法进行了系统地研究，致力于研究采用模糊逻辑、神经网络和遗传算法的无模型自学习自适应控制系统。 本文根据船舶操纵运动控制的特点，构造了船舶航向模糊控制器的输入输出语言变量值的隶属函数、控制规则，设计了一个模糊控制器。针对基本模糊控制器的不足，提出一种带模糊PI控制的参数自调整的双级模糊控制器，应用于船舶航向控制系统时，系统的抗扰性和响应速度方面均获得满意效果。通过建立模糊控制器的描述函数，分析得出船舶航向模糊控制系统是稳定的结论。 自适应的模糊控制器是人们追求的目标，本文提出了两种船舶操纵自适应型模糊控制系统。一是将模糊控制与传统控制结合，应用模型参考自适应控制的思想构成的模型参考模糊自适应控制，该方法将模糊逻辑的推理能力应用到自适应机构，解决了常规模型参考自适应机构算法复杂的问题，提高了模型参考自适应控制系统的稳定性。二是基于机器人重复控制的学习机理，提出了一种船舶航向自学习型模糊控制系统，分析了该系统的特点。 本文在对控制中应用最多的前馈型神经网络的结构、算法及收敛性方面分析比较基础上，提出应用RBF网络对船舶操纵运动动态特性进行辩识，仿真表明辨识精度和速度方面都能够获得满意的结果。在非线性和不确定性系统的神经网络控制方面，论文总结了一些现有的神经网络自学习控制系统，然后将神经网络和常规控制(例如PID控制、自适应控制、内模控制等)结合起来，根据船舶操纵的特点，详细研究和分析了有监督学习、无监督学习和再励学习的船舶航向神经网络自学习型自适应控制系统。 针对模糊逻辑系统有很强的知识表达能力和逻辑推理能力，但自学习能力比较差，而人工神经网络在自学习和函数逼近方面又具有独特的优越性，将两者结合，用神经网络来实现模糊逻辑系统，构造了一个基于模糊神经网络控制武汉理工大学博士学位论文器的船舶航向自学习型自适应控制系统，提出用改进的遗传算法代替神经网络中经典的BP算法实现模糊神经网络的学习，综合船舶航向控制性能和节能要求，建立了系统的适应度函数。为船舶操纵运动模糊神经网络控制系统的实际应用奠定了基础。 最后本文从工程实现的角度出发，提出了一种船舶航向和航迹智能控制系统实现方案，指出在船舶航向和航迹智能控制系统中必须增加一个专家决策机构，以便实时决策系统的控制策略与手段。同时提出了系统实现的总体方案，该方案对实际工程应用具有指导意义。 本论文以国家自然科学基金项目“船舶碰撞与避碰的运动机理及计算机智能模拟系统研究”(批准号:19872052)和“基于高速船轻型结构流体冲击响应、控制与实验方法研究”(批准号:10072043)为依托，论文研究受到交通部重大科技项目和交通部优秀青年骨干教师专项经费的资助。