智能船舶靠泊技术研究热点与趋势

在梳理近年来国内外智能船舶靠泊技术研究现状的基础上,首先从靠泊方式、数学模型和控制算法3个方面分别归纳靠泊技术的研究热点与应用情况,分析智能船舶靠泊技术在自主性、建模精度、路径规划、控制算法、节能效果和系统测试等方面尚待解决的问题。然后,从航海实际需求出发,提出下一步需要突破的有关信息融合、在线建模、智能决策、算法优化、绿色节能和测试技术等方面的核心理论和关键技术问题,努力提升靠泊技术的自主性、鲁棒性、快速性和“韧性”,助力实现安全、绿色、高效的智能航运目标。

基于改进快速行进平方法的无人帆船动态避碰方法

[目的]为解决无人帆船在开阔水域的多船避碰问题,对基于改进快速行进平方(IFMS)法的局部动态避碰算法进行研究。[方法]考虑到帆船的速度不可控,将其避碰行为转化为航向控制问题,并以总势场梯度下降方向为期望避碰航向。当帆船没有碰撞危险或顺风航行时,仅通过构造时间势场来避开所有静止不规则障碍并到达目标点;而当帆船存在航行约束时,根据《国际海上避碰规则》(COLREGS)为特定会遇场景设计高斯似然函数用以动态地构建障碍势场。同时,考虑到帆船的航行死区,引入局部风势场,实现帆船动态避碰与“之”字形航行策略相结合的应用需求。[结果]结果显示,所提算法可以使无人帆船在遵守避碰规则和避免航行死区的同时,成功地在各种会遇场景下实现与其他帆船、受限机动船的避碰操作,相比原始快速行进平方(FMS)算法,逆风航行时间大大缩短,避碰航迹也更加合理、安全。[结论]所提方法符合帆船运动特性及避碰规则,在复杂环境下具有较高的安全性和鲁棒性,对无人帆船自主避障技术发展具有一定的科学价值。

带有状态/输入量化的无人艇航向跟踪控制

[目的]针对水面无人艇(USV)的海上通信受限的问题,提出一种带有状态/输入量化的USV航向跟踪控制方法。[方法]基于反步法设计系统控制律,结合动态面技术降低虚拟控制律的计算量膨胀问题。对于控制系统中存在的不确定项及外界干扰,利用扩张状态观测器(ESO)进行估计。采用均匀量化器分别对控制系统中的状态变量和控制输入进行量化,且量化后的状态反馈信息仅用于跟踪控制。利用量化状态递归设计基于ESO的USV航向控制器,证明闭环控制系统中量化变量和非量化变量间误差的有界性。[结果]基于李雅普诺夫稳定性理论,提出了量化误差考量及闭环系统稳定性判定方法,严格证明了所设计的带有状态量化和输入量化的USV航向跟踪控制系统的稳定性,仿真实验验证了该控制策略的有效性。[结论]结果表明,所提方法可为USV航向跟踪控制提供借鉴。

基于非线性修饰和零阶保持器的船舶航向保持控制

[目的]为了解决船舶在海上航行时控制器舵角输出大、打舵频率高、控制速度较慢以及控制精度较低的问题,利用三阶闭环增益成形算法设计鲁棒控制器。[方法]首先,利用三阶闭环增益成形算法设计出线性鲁棒控制器,然后,在控制策略中加入双曲正切非线性修饰以及零阶保持器,在不同海况下对该控制器的性能进行仿真实验。[结果]仿真结果表明,相比于基于非线性修饰的传统PID控制器,在一般海况下,所提控制器在延迟时间、控制精度以及能量输出上分别改进了36%,14%和32%;在恶劣海况下,分别改进了27%,7%和16%。此外,不同海况下该控制器的仿真结果都具有稳定的舵角输出,并可以较快地稳定在临界值附近,证明了其具有较好的鲁棒性。[结论]改进的控制器符合工程实践,对于智能船舶的控制具有较好的应用参考价值。

基于改进反步滑模控制算法的拖轮自主靠泊控制

[目的]针对拖轮的自主靠泊控制问题,研究基于虚拟船领导的目标跟踪控制策略在拖轮自主靠泊中的应用。[方法]首先,将拖轮的自主靠泊过程转变为虚拟拖轮和实际拖轮的目标跟踪控制过程;然后,设计靠泊系统的运动学模型,考虑靠泊场景中的特殊环境干扰,使用反步法和滑模控制法(SMC)设计全回转尾推进拖轮的自主靠泊控制器,提供了3种不同的滑模面设计并使用李雅普诺夫函数进行稳定性验证;最后,采用仿真实验的方式,通过靠泊轨迹、速度误差和距离误差来对控制的效果进行验证。[结果]仿真实验结果表明,设计的拖轮自主靠泊控制策略以及控制器在拖轮自主靠泊场景中具有较好的效果,面对系统的不确定干扰有较好的表现。[结论]该控制策略以及靠泊控制器的适用性以及鲁棒性较好,以全新的角度实现了拖轮自主靠泊控制,为后续拖轮的靠泊控制研究提供了新的方向。

基于事件触发机制的多自主水下航行器协同路径跟踪控制

针对考虑外部海洋环境扰动和内部模型不确定性的多自主水下航行器(Autonomous underwater vehicle,AUV),研究其在通信资源受限和机载能量受限下的协同路径跟踪控制问题.首先,针对水声通信信道窄造成的通信资源受限问题,设计一种基于事件触发机制(Event-triggered mechanism,ETM)的协同通信策略;然后,针对模型不确定性和海洋环境扰动问题,设计一种基于事件触发机制的线性扩张状态观测器(Extended state observer,ESO)来逼近水下航行器的未知动力学,并降低了系统采样次数;最后,针对机载能量受限问题,设计一种基于事件触发机制的动力学控制律,在保证控制精度的前提下,降低了执行机构的动作频次,从而节省了能量消耗.应用级联系统稳定性分析方法,分别验证了闭环系统是输入状态稳定的且系统不存在Zeno行为.仿真结果验证了所提基于事件触发机制的多自主水下航行器协同路径跟踪控制方法的有效性.

未知扰动下的无人艇编队优化轨迹跟踪控制

[目的]针对水面无人艇(USV)编队轨迹跟踪中存在的未知扰动和队形变化问题,提出一种基于有限时间扰动观测器的最优反步控制(FDO-OBC)方法。[方法]首先,基于虚拟结构法,建立无人艇编队控制框架,并设计运动学和动力学编队控制器;其次,设计有限时间扰动观测器,实时估计补偿未知环境扰动;然后,针对编队队形变化的轨迹跟踪问题,提出基于最优反步控制的动态轨迹优化策略,利用扰动观测器信息来计算最优控制输入,实现无人艇编队轨迹跟踪的动态优化;最后,采用李雅普诺夫稳定性理论证明该编队控制方法的稳定性。[结果]仿真对比结果表明,FDO-OBC策略可有效提高无人艇编队系统的精确性和鲁棒性。[结论]对于面向扰动环境下的无人艇编队控制系统设计,FDO-OBC方法提供了一种新的技术手段。

船舶智能航行关键技术应用与展望

当前数字化、智能化的技术进步引领着智能船舶领域新技术蓬勃发展,成为全球航运业的趋势性发展方向,前景非常广阔。智能船舶借助先进技术和自动化系统,旨在提升操作效率和航行安全性,从而减少人为错误,其应用领域涵盖商业航运、港口管理、海洋科研和海上救援等,潜力不容忽视。针对智能船舶的智能航行领域,结合国内外理论研究与工程应用现状,研究智能航行涉及的核心技术态势感知技术、航行决策技术以及航行控制技术等,提出当前智能航行发展中面临的核心技术、理论转化以及法律法规等方面的问题,并为未来的智能航行相关研究提出一些建议。

欠驱商船的自主靠泊轨迹规划研究

针对大型商船在自主靠泊时的轨迹规划任务,分别考虑远码头轨迹规划和码头末端镇定靠泊两部分.基于大型船舶自身特点及限制等多约束分析的分阶段路径规划方法,完成面向大型商船自主靠泊的轨迹规划任务.考虑大型商船自身体型较大,低速运动时船舶的舵效和实船操纵性能差等难题,提出大型船舶自身限制等多约束分析的人工势场法,改进传统人工势场法中存在引力过大、目标不可达的问题.同时考虑镇定阶段船舶自身及泊位信息对船舶艏向和速度的约束,绘制舵角的输出变化曲线,并进行航迹规划,为商船选择合适的航线进行靠泊提供了理论依据.

一种无需指定船舶位置的新型船舶大规模自主编队方法

[目的]针对船舶大规模编队通信量大、编队速度慢、不便于扩充等问题,提出一种新型的虚拟壁面编队方法。[方法]使用局部通信,根据自然规律,设定虚拟作用力驱使船舶向目标位置集合,并通过虚拟壁面调整队形,从而实现船舶编队的目的。[结果]结果表明,所提方法能够按照“就近原则”快速地完成编队,通信量低且不随编队规模而增加。通过对船舶编队的静态、动态、旋转、缩放和避障的仿真验证了这种算法的有效性。[结论]所提虚拟壁面法具有通信量低、编队速度快、扩充简单等优势,在船舶大规模编队中具有明显优势。

水下打捞机器人执行器部分失效的有限时间轨迹跟踪控制

[目的]旨在解决船载供电电压降低或控制系统电路腐蚀等原因导致的水下打捞机器人执行器出现部分失效的问题。[方法]考虑到深海鱼雷、载货沉船等工程打捞作业中复杂海洋情况的影响,采用终端滑模观测器对系统不确定扰动进行观测。利用容错控制和有限时间控制方法,在线估计执行器故障系数,设计一种具有终端滑模观测器的有限时间轨迹跟踪容错控制方案。[结果]该方案的系统输出平滑、稳定且能快速到达期望轨迹,同时,与传统容错控制方案相比,降低了水下打捞机器人控制系统的稳态时间,其横向位移降低了10 s,纵向位移降低了15 s。[结论]能够为水下工程机械的轨迹跟踪控制提供理论参考,并具有实际的工程意义。

自适应量化神经网络滑模无人船编队控制

针对复杂海洋环境下欠驱动水面无人船(unmanned surface vehicle,USV)编队控制存在的模型不确定性、参数摄动、控制输入量化等问题,提出一种自适应量化神经网络滑模控制算法。在USV运动学子系统中,设计基于内外环控制策略的制导律,解决USV欠驱动问题。由于所采用的动力学模型中含有未知项和外界环境干扰,故在USV动力学子系统中通过使用径向基函数神经网络实现对干扰的估计。采用一种线性解析模型来描述输入量化过程。所设计的控制系统不需要量化参数的先验信息。基于输入-状态稳定性理论证明了系统稳定性。通过仿真实验验证了所提算法的有效性。

长江口深水航道遭遇周边船舶失控的应对策略

长江口深水航道作为船舶进出上海港及长江沿岸港口的主要航道,每天有超百艘次各类大型船舶通行其中,因疏浚水深-12.5 m的主航道狭窄,船舶间交会需保持足够谨慎才能安全驶过。而当航道中有船失控时,其周围船舶需通过及时预判与合理应对,在避免本船安全受失控险情影响的前提下,为失控船进行紧急处置创造条件,防止碰撞事故发生。以引领周围船舶的引航员视角剖析此类情况,并分享可准确判断和安全应对的方法。

基于BRB-PSO的船舶舵机模型参数辨识方法研究

文中提出一种基于BRB-PSO的船舶舵机模型参数辨识方法.构造关于船舶舵机模型参数的BRB-PSO辨识模型,以描述模型输入(指令舵角和实际舵角信号)与模型输出(舵机模型参数)之间的非线性关系;建立置信规则库(BRB),通过置信规则推理得到惯性权重变化量的估计值并更新惯性权重;基于该惯性权重调整粒子群算法(PSO)中粒子的速度、位置等参数,依次迭代,直到达到停止要求,实现舵机模型参数的辨识.通过与其他典型参数辨识方法的实验结果对比,进一步说明BRB-PSO辨识方法在舵机模型参数辨识方面的优越性.

“无人船艇自主性技术”专辑·编者按

无人船艇作为经略海洋的重要载具和平台,将人类从繁重和危险的海事任务中解脱出来,已在海洋资源勘探、海底形貌测绘、近海安全巡查、海洋牧场运维等领域得到广泛应用。总体来讲,无人船艇的核心技术是利用先进智能手段提升其自主性,包括环境感/认知、目标识别、自主决策、智能控制等。近年来,人工智能、新一代通信技术等迅速发展,为无人船艇自主性技术发展提供了新机遇,但同时面临新挑战。《中国舰船研究》“无人船艇自主性技术”专辑由大连海事大学王宁教授发起,并与编辑部共同组稿、约稿。

一种面向动态场景的无人艇路径规划方法

文中提出了一种融合时空机制的改进Q学习算法(itegrated spatio-temporal mechanism Q-learning, ISTM).根据动态场景中障碍物时空变化特性,建立动、静态障碍物混合的动态环境;通过引入时空机制构建动态奖惩函数,根据障碍物动态变化情况展开路径搜索,提高无人艇对障碍物状态变化的感知能力;建立动态探索机制,通过自适应调整贪婪因子,提升无人艇在动态场景中的探索效率.结果表明:基于ISTM算法的路径规划收敛时间更短,稳定性更高,所规划出的路径更短.

基于模型预测的海缆铺设用水下航行器最优避障控制

[目的]自主水下航行器(AUV)在海底复杂地形环境下执行独立铺缆作业时,需要兼顾铺缆质量和自身安全,即在避障的同时还需要保持船体与海底平面的相对高度。为此,设计一种基于模型预测的海缆铺设AUV最优避障控制方法。[方法]首先,基于模型预测控制(MPC)建立AUV的路径跟踪模型,将海底不规则障碍物分类为凸起和凹陷地形,并分别建立障碍物的工程简化数学模型;然后,根据不同地形和海缆铺设要求来设计多个目标优化函数;最后,根据地形特征点迭代计算与海底平面保持稳定高度且路径最短的最优避障路径。[结果]仿真结果表明,该方法响应性能好、可靠性高,能够使AUV选择最短路径并避开意外障碍物。[结论]在复杂的海底环境下,该方法既保障了AUV作业过程中的自身安全,又极大提高了海缆的铺设质量。

基于人因工程的船舶驾驶室人机界面布局优化设计

为了解决船舶驾驶室人机界面设计采用人工布局所存在的经验性、主观性、随机性的问题,提出一种将虚拟仿真和优化算法相结合的人机界面布局优化设计方法.首先,通过虚拟仿真得到待布局人机界面各区域的操作舒适度以及最优操作点位置;其次,将人机界面布局准则和人因工程学准则量化为目标函数和约束条件,建立人机界面布局优化数学模型,通过差分进化算法获取大量粒子群算法的粒子初始位置;最后,通过寻优获取人机界面的最优布局并进行虚拟仿真评价.将某控制面板作为算例进行布局优化和虚拟仿真,获取的最优布局结果满足人因工程学准则,人机界面各项性能均有提升.本研究可为船舶驾驶室的高性能人机界面布局设计提供参考.

水面无人艇单目视觉伺服自主控制研究综述

单目视觉伺服采用相机模仿人眼视觉功能,感知周围环境和测量运动状态,是提高无人艇航行感知与控制自主性的重要手段。首先,从基本原理出发,简述视觉伺服技术分类、相机透视投影原理和无人艇运动数学模型,为文献综述分析提供框架基础。然后,根据任务复杂度,依次综述单目视觉伺服在无人艇航向控制、镇定控制、轨迹跟踪控制和集群控制等典型应用场景下的研究进展和挑战。最后,系统性地总结无人艇单目视觉伺服自主控制的潜在研究方向和发展趋势。

基于输入饱和的欠驱动水面舰艇预定义时间跟踪控制

[目的]为解决欠驱动水面舰艇(USV)在模型不确定性、强耦合特性和控制器输入饱和情况下的轨迹跟踪问题,提出基于输入饱和的USV预定义时间跟踪控制方法。[方法]针对USV模型具有非零对角项和强耦合特性问题,引入坐标变换,将系统模型转变为斜对角形式;将预定义时间性能函数与障碍Lyapunov函数(BLF)结合,保证瞬态和稳态的跟踪性能;利用自组织神经网络(SSNN)降低未知外部环境扰动和复杂的连续未知非线性项以及输入饱和产生的影响,以保证控制系统的跟踪精度,并且在线调整优化SSNN的神经元数目,减少控制系统的计算负担。[结果]基于Lyapunov稳定性理论,证明了闭环系统在预定义时间内是有界稳定的,跟踪误差始终保持在约束范围内。[结论]仿真结果表明,所提控制策略是有效的,其具有良好的跟踪性能。