선박의 접안운동을 자동화하기 위하여 인공신경망(Artificial Neural Network, 이하 ANN)에 의한 제어를 수행하였다. ANN은 시스템의 비선형성이 표현 가능하므로 접안운동과 같은 비선형성이 강한 조종운동에 적합하다. 입력층과 출력층 사이에 하나 이상의 중간층이 존재하는 다층 인식자(Multi-layer perceptron)를 사용하였고, 교사 데이터(Teaching data)와 역전파(Back-Propagation) 알고리즘을 사용하여 신경망의 출력값과 목표 출력값 사이의 오차가 최소가 되도록 신경망 학습을 수행하였다. 접안 시 저속조종 수학모델을 사용하여 접안 시뮬레이션을 수행하였으며, ANN의 입력층 성분(unit)이 8개인 구조와 6개인 구조의 접안 제어를 비교하였다. 시뮬레이션 결과, 두 ANN에 의하여 접안 경로 선택에 차이가 나타났으나 접안 조건은 모두 만족하였다.

본 연구에서는 만타형 수중운동체의 수평 및 수직 방향에 대한 자동제어 및 충돌회피 시스템을 확립하였다. PID 제어이론, 퍼지 추론 등이 적용되었으며, 시뮬레이션에 사용된 6자유도 운동 방정식은 이론계산과 구속모형 시험에 의하여 확립하였다. PID제어에 의한 심도제어 결과가 제시되었으며, UUV의 충돌 위험도는 가상 소나 시스템을 이용한 퍼지 추론으로 추정하였다. 이를 이용하여 만타형 수중운동체의 심도제어 시스템 및 충돌회피 시뮬레이션 시스템이 개발되었다.