1977年，Kallslrom和Astrom在航迹控制的学术研究中提出另一种更好的方法，称为自校正或自适应控制。1981年，Brink和Tiano提出使用Ricatti方程中用于求解稳定状态的方法，基本上可以设计自校正自适应的自动舵。因为船在海浪中航行时速度和负载都是变化的，所以船舶的动力状态以及其模型参数也是不断变化的，因此要利用实时的辨识技术来处理数学模型参数的变化，用来确保在风浪和负载变化时， 控系统自身也可以自行改正参数，使得操舵系统转舵频率最小、偏航幅度也最小。问题是在数学上难以模拟真实的风浪干扰系统，而且解Ricatti方的计算工作中也会相当繁重。

1982年，Van Amerongen在线性叠加原理的基础之上总结出了基于模型参考的自适应舵控制理论，他认为可以从不规则海面的规则波浪的分量响应的总和来推导船舶在不规则海平面下的状态响应。模型参考法的缺点是：实际的船舶相当于一个负载的高阶非线性系统，在大风大浪以及负载变化迅速时的适应性很差。 

1990年，Fairbairn和Grimble将H∝设计方法用于自动舵。H∝的优点可以对设备模型中存在一些不可测定参数的设备进行一定程度的控制，但是想很好地运用H∝控制还需要具备线性船舶运动模型方面有关转移函数的相关知识，同时还要具备大量的液压动力学层面的数据。

总体说来，自适应自动舵的研究在一定程度上取得了预期理想的控制效果。但是自适应方法必须将价值函数中的参数估算作为基础，或者将船舶动力运动学环境干扰的模型试验作为基础。毕竟针对船舶所经历的千变万化的航行来提供最优的全面的自动调节方法是无法做到的。

4。 人工智能自动舵

80年代后期到90年代前期，科学工作者们热衷于“人工智能操舵系统”的研究。已开发的智能控制方案可以分成以下三类：

（1）专家级的智能系统；

（2）能够模拟逻辑的控制器；

（3）基于神经网络的控制器。

专家系统的目的是通过计算机来建立新模型从而解决问题。它和基于参数识别的物理模型存在较大差异，尽管实践中有许多成功应用专家系统的例子，但是利用专家系统自动舵的实例相当少。专家系统自动舵其实就是模拟舵手的作用。实用的专家系统还需考虑船舶的自身特性以及外界的干扰，并形成控制算法。

近年来，模糊控制理论的发展在船舶控制上得到了应用。Sutton和Jess在1991年提出了一种模糊自适应舵理论。它是通过辨识操作环境及识别在环境中模糊控制器收到的影响，以此实现查明性能指标的目的， 并将可接受的性能指标存储于一矩阵中，并形成控制规则。

1993年，Layne设计出模型自参照学习控制器（FMRLC），模拟船舶的航行并在恶劣外界干扰的作用下进行，这种模拟机制的优点为：一方面通过观察模糊控制系统并从中获取采样数据；另一方面模仿当前的性能特点；还可以自行合成并调节模糊控制器。尽管FMRLC的设计没有借助数学模型，但是想要精确的计算还是很困难的。

90年代以来，科学家们对人工神经网络的深入研究投入了极大地热情，将神经网络应用于船舶自动舵已经步入现实，基于神经网络的自动舵不但可以做到航向保持，并且通过借助其它船舶定位设备来实现航迹跟踪控制，即便是船舶自行靠案操作也可使用神经网络控制设备。

借助神经网络来模拟工作在干扰条件下的PID自动舵，这种方法是使用人工神经网络最容易实现的方法。神经网络控制器在学习之后即可不借助PID进行操作。显然当所处环境变化时，基于人工神经网络将再次进行学习，不然则会导致效果出现偏差。1993年Simensen改良了上述方案。同年，Witt和Miller也想出了类似的方案，借助PID自动舵给神经网络作参考，通过引入一个训练阶段，即使使用了神经网络自身的学习功能，但是在实践操控之前还是得引入离线学习过程。