无人艇作为融合了控制、导航、路径规划等多学科为一体的系统,相比常规的船艇,其复杂度和设计难度都有了很大的提高,但是基于它本身所具备的优点:响应速率快,机动性能好、具有较高的可靠性等,使得其在各种军事活动中拥有重要的地位。另外除了军事上的使用,民用也开始逐步兴起,开始担任水源的检测、航运的运输等相关工作,并由此诞生了一批新的高新技术产业。随着智能控制技术越来越成熟,对无人艇的研究也提出了更高的要求,需要更好的机动和控制能力。本文主要针对实验中的无人艇进行数学建模分析,在了解其具体模型的基础上进行仿真和实物实验。无人艇的实物实验主要采用的是传统工业中的非线性PID算法,得到无人艇实际运行效果,基本满足控制要求。之后针对非线性PID的不足,提出模糊支持向量机的智能算法,通过采集无人艇航行过程中的大量数据集进行训练,获得可用模型,相比之前无人艇实际航行实验情况。考虑到模糊支持向量机在参数寻优和模型过大方面的缺陷,在此基础上采用了粒子群算法和权重剪枝算法对其改进,以此提升整个系统运行时间和减小模型大小。首先,根据目前无人艇的研究情况进行叙述,了解相关发展。接着采用常用的MMG模型分析技术,对实验无人艇进行建模,通过实测的相关数据,可以推导出无人艇各受力方向上的函数和特性。其次,通过和常见机器人智能架构对比,得出无人艇运动控制系统的特点,完成它的软硬件设计。以该方案和非线性PID结合进行相关实验。通过仿真和实物运行得出相关实验结果,证明整个系统架构和算法的可行性以及适用性。再次,根据PID算法具有的缺点,提出模糊支持向量机的算法,先介绍模糊支持向量机的整个系统架构和算法实现。根据无人艇的航速航向数据的特点和分布特性,分别提出该算法的模糊隶属度函数和支持向量机参数,进行模型训练。训练得到的模型再以部分未使用的数据进行相关验证,从中可以得到算法的性能指标。最后,在原本的模糊支持向量机方法上,根据参数寻找时间太长和训练模型太大提出改进方法。在对于参数寻优方面,粒子群能够采用启发的方式进行更快的搜索,而模型大小方面,剪去部分影响不大的权重能起到较好的作用。通过实验表明两种方法的加入改善了支持向量机模型训练的时间和大小,同时在训练精度和泛化能力上没有下降,鲁棒性得到相应的提升等。