1.一种欠驱动船舶自适应神经网络自动靠泊控制方法，其特征在于，包括如下步骤：采用机理建模的方法构建船舶平面运动非线性动力学方程，描述船舶运动模型；

采用附加控制方式进行坐标转换，并利用航海动态深度信息的神经网络重构不确定的模型动态参数与未知扰动向量；

采用神经网络逼近方法及最小学习参数方法，实现欠驱动船舶自适应神经网络自动靠泊控制。

2.根据权利要求1所述的欠驱动船舶自适应神经网络自动靠泊控制方法，其特征在于，步骤采用三自由度船舶平面运动非线性动力学的方式，描述船舶运动模型还包括：纵荡(m+mx)vr-(m+my)vr＝X|u|u|u|u+Xvrvr+Xwv2+Xrrr2+Tu横荡(m+my)ur+(m+mx)ur＝Yvv+Yrr+Y|v|v|v|v+Y|r|r|r|r+Ywrv2r+Yvrrvr2艏摇(Izz+Jzz)uv+(my+mx)uv＝Nvv+Nrr+N|v|v|v|v+N|r|r|r|r+Nwrv2r+Nvrrvr2+Tr   (1)其中，Tu和Tr分别为纵荡和艏摇自由度的控制输入，也就是螺旋桨推力和舵力；

自动靠泊中，设计模型动态不确定性与未知扰动的自动靠泊控制器，设模型参数mx、my、mz、X|u|u|u|u+Xvrvr+Xvvv2+Xrrr2、Yvv+Yrr+Y|v|v|v|v+Y|r|r|r|r+Yvvrv2r+Yvrrvr2、Nvv+Nrr+N|v|v|v|v+N|r|r|r|r+Nvvrv2r+Nvrrvr2均为未知向量，并设纵荡、横荡、艏摇三个维度的未知扰动向量分别为du、dv、dr模型参数；式(1)的系统状态方程可变为：x＝u cos(ψ)-v sin(ψ)y＝u sin(ψ)+v cos(ψ)ψ＝r

其中，高阶流体动力项为：

其中，mu＝m+mx、mv＝m+my、mr＝IZ+JZ；[x，y，ψ]∈R3为船舶位置坐标和艏向角的姿态变量；[u，v，r]T∈R3为船舶前向速度、横荡速度和艏摇速度变量；du、dv、dr表示不可测的未知外界海洋环境扰动力/力矩向量，包括风、浪、流的影响；在船舶靠泊实践中，舵、桨执行器驱动力Tu和Tr存在最大值，即Tumax＞0、Trmax＞0。

3.根据权利要求1所述的欠驱动船舶自适应神经网络自动靠泊控制方法，其特征在于，步骤采用附加控制方式进行坐标转换，并利用航海动态深度信息的神经网络重构不确定的模型动态与未知扰动还包括：

通过坐标变换及附加控制参数设计，构造横向驱动向量α；

ψe＝ψ-ψd-f3(α)

Ωe＝Ω-Ωd

(4)

其中， 为地理坐标到随船坐标的旋转矩阵函数；fi(α)，i＝1，

2，3，满足|fi(α)|≤λi，α∈R，λi为正常数；令 根据式(4)则ψ-ψd＝ψe+f3(α)

(5)式(5)经范数计算，可得下列不等式：控制器用的矩阵Θ的逆矩阵为：

欠驱动船舶自适应神经网络自动靠泊控制器的控制律如下：其中，δ1、δ2、a1、a2、b1、b2、 与 均为设计正常数。

4.根据权利要求1所述的欠驱动船舶自适应神经网络自动靠泊控制方法，其特征在于，步骤采用航海深度动态深度信息构造核函数技术、神经网络逼近方式及最小学习参数方式，实现欠驱动船舶自适应神经网络自动靠泊控制还包括：采用航海深度动态深度信息构造核函数技术、RBF神经网络逼近技术及最小学习参数方式：

其中，θ1＝max{||W1*T||，|ε1+du|}；θ2＝max{||W2*T||，|ε2+dr|}；航海动态深度信息构造的核函数为 i＝1，2；由式(15)可知，重构不确定的船舶模型动态参数与未知扰动向量，将神经网络权值、逼近误差、扰动量作为复合不确定参数进行在线估计，使得自适应学习参数明显减少；

则：

其中，a1与a2为正的设计常数；由式(15)-(22)可得(25)根据Yu＝βu-αu与Yr＝βr-αr求导数，有其中，Bu(xd，yd，ψd，xd，yd，ψd，xd，yd，ψd，x，y，u，v，u，v)与Br(xd，yd，ψd，xd，yd，ψd，xd，yd，ψd，ψ，r)是连续光滑函数，并存在最大值BMi，即|Bi|≤BMi，i＝u，r；

将式(26)-(27)代入是式(25)，得其中 并通过选择适当设计参数ei与ωi＞0使则有

其中，

其设计参

数ku，kr与k2满足：

其他设计参数均为正数，实现欠驱动船舶自适应神经网络自动靠泊控制。

5.一种实现欠驱动船舶自适应神经网络自动靠泊控制方法的设备，其特征在于，包括：存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，以实现如权利要求1至4任意一项所述欠驱动船舶自适应神经网络自动靠泊控制方法的步骤。

6.一种具有欠驱动船舶自适应神经网络自动靠泊控制方法的计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至4任意一项所述的欠驱动船舶自适应神经网络自动靠泊控制方法的步骤。