随着当前全球对海洋资源的大力开发，起重船作为海洋工程中常用的工程船舶，是海上装卸、建造的必备工具，越来越受到各国的关注。起重船在海上作业时，难免会受到风浪的影响，船体因此会发生摇摆而致使作业无法正常进行，严重时，还会引发起重船船体倾覆，后果不堪设想。因此有必要对起重船的吊物系统进行控制研究，使吊物摆角控制在安全范围内，提高吊物系统的自动化与智能化，这对于保证起重船快速平稳的作业具有重大的意义。本文以起重船海上起吊作业情况为背景，首先对海洋波面的运动做了一定的研究，建立了海上规则波的波面运动方程。然后以规则波作为吊物系统的干扰激励，运用拉格朗日法建立了吊物系统的动力学方程，在MATLAB中采用数值分析法得出了影响吊物系统的动力响应的三个因素，分别是吊绳长度、起吊速度及激励频率。然后根据吊物系统的动力响应结果，对吊物控制系统构建了一个前馈反馈控制器整体框架，前馈控制器是由ELM极限学习机构成，反馈控制器是通过神经网络控制与滑模变结构控制相结合设计。再结合船用起重机的结构特点，在起重机机械臂末端增加两个运动方向相互垂直的液压缸，以此为执行机构，分别对船体的横摇与纵摇进行角度补偿，参照机器人手臂建模的方法，利用D_H建模法建立了吊臂控制系统的模型。接着对起重船摆动轨迹跟踪进行了具体的研究，用于前馈控制。由于传统神经网络存在缺陷，提出一种基于极端学习机ELM算法的轨迹跟踪方法，对ELM算法的理论及步骤进行了探讨，并与传统的BP神经网络算法进行对比，分析仿真结果，得出了ELM算法的可行性与优越性。最后设计了神经滑模控制器，用于反馈控制。利用滑模变结构控制的强鲁棒性，结合神经网络超强的自学习能力，采用ELM网络对滑模变结构控制切换项的增益进行调节，降低了滑模控制的抖振，提高了整体控制性能。最后将控制器用于吊物系统摆动控制中去，分析吊物摆动控制的仿真效果，结果显示该控制系统能够较好的实现吊物摆角控制。