针对欠驱动船舶路径跟踪中所存在的外界环境干扰及舵机受约束等问题,将径向基函数神经网络(radial basis function,RBF)与模型预测控制(model predictive control,MPC)相结合,进而达到既能使船在外界干扰下准确地跟踪上参考路径,又能保证所设计出的控制舵角在舵机约束范围之内。本文主要创新点如下:1.结合MPC能在控制输入具有约束条件下求次优解的优点,以解决控制输入舵角饱和的问题。2.以具有高耦合性和非线性的船舶分离型模型(mathematical model group,MMG)作为MPC预测模型,更符合船舶航行的实际情况,以提高预测模型精度。并引入了欧拉迭代法以离散和预测船舶未来状态,进而简化对MMG模型的预测和MPC的运算。3.利用RBF神经网络的训练逼近特点,通过对船舶历史信息的训练实现对外界风流干扰的逼近,以补偿MPC控制器,提高控制器对外界环境干扰的鲁棒性。最终仿真实验结果表明,所设计的MPC控制器可以使船舶在风流干扰和舵角约束的情况下准确地跟踪上设定的路径,并且所设计的控制舵角光滑无抖振,减小了舵机能量损耗,这些验证了所提控制算法的有效性。