基于A^(*)-动态窗口法的无人船动态路径规划算法

为使无人船在复杂的海上环境具备自主路径规划能力,保证其能够在未知环境中避开障碍物并准确到达目的地,结合A^(*)算法的全局最优特性和动态窗口法的实时性,提出了一种新的无人船动态路径规划算法。将A^(*)算法规划的路径点作为动态窗口法的局部目标点,并在中间路径点不可达时及时重新规划全局路径,形成了A^(*)-动态窗口法。动态环境下的仿真结果表明:该融合算法能引导无人船通过平滑的路径顺利到达目标点,证明了该算法的合理性和有效性,而与多种传统算法的对比结果,验证了所提A^(*)-动态窗口法的优越性。

带有状态/输入量化的无人船自适应模糊跟踪控制

针对海上通讯带宽受限情况下无人船的航迹跟踪控制问题,设计了一种带有状态量化和输入量化的自适应反馈跟踪控制方案。在保证有效跟踪的同时,减少执行器执行频次,降低控制幅度。首先,在不考虑量化情况下基于自适应反步法设计了系统跟踪控制律,并结合动态面技术有效降低了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,利用模糊逻辑系统进行逼近。其次,采用均匀量化器分别对控制系统中的状态变量和输入变量进行量化,且量化后的状态反馈信息被用于无人船航迹跟踪控制器的设计。根据所得到的量化信息,给出了同时考虑状态量化和输入量化的无人船航迹跟踪控制律。在稳定性分析中,通过Lyapunov稳定性理论证明了在不考虑量化的情况下闭环控制系统的稳定性,并根据递归的方法证明了闭环控制系统中量化变量和非量化变量之间误差的有界性。基于给定的引理,最终证明了在同时考虑状态量化和输入量化的情况下,所设计的带有状态量化和输入量化的模糊自适应反馈跟踪控制系统的稳定性。最后,通过两组仿真实验验证了所提方案的实用性。即在同时考虑状态量化和输入量化的情况下,无人船仍能保持对理想轨迹良好的跟踪性能,并有效减轻了执行器的执行频次,更符合航海工程实践。

无人船载监控系统的设计与开发

为了满足无人船实时通信和远程操控需要,综合利用计算机、传感器及无线通信等技术,设计一种无人船载监控系统,实现了对无人船的实时监测、控制与实时通信。设计一种双驱动独立控制方案,实现了无人船遥控器控制与计算机控制的相互分离,可提高无人船运行操控的安全性与可靠性。提出采用插件式软件架构,将易变动的功能模块以插件的方式动态加载至系统框架中,加快了开发速度,降低了系统的耦合程度,提高了系统的可扩展性,并利用插件动态加载与卸载方法,实现了插件功能的动态加载与在线升级,提高了系统应对任务多样化的能力。

基于特征融合的无人船目标识别系统设计

通过特征融合可获取全面的目标特征信息,利于提升目标识别的稳定性,为此设计基于特征融合的无人船目标识别系统。利用无人船搭载红外热成像仪与可见光摄像头,采集目标红外与可见光图像;通过处理器和可编程逻辑控制器,设计特征提取模块,用于提取红外与可见光图像的无人船目标特征;特征融合模块利用典型相关分析理论,融合红外与可见光图像的无人船目标特征;目标识别模块通过径向基函数网络,结合特征融合结果,输出无人船目标识别结果。实验结果证明,该系统可有效采集无人船目标的红外与可见光图像,完成特征提取;该系统具备较优的特征融合效果,并精准实现无人船目标识别。

基于四叉树扇形层值聚类的无人船障碍物检测

为了实现无人船自主导航过程中对障碍物的精确检测,提出了一种基于四叉树扇形层值聚类的无人船障碍物检测方法。首先基于四叉树扇形划分进行障碍物点云数据的检索,并剔除扇形象限内不可信数据;然后利用所获得的四叉树层值来求取全局密度距离,进而获得层值阈值,以此来对不规则多线形障碍物特征进行检测;最后通过建立数据点之间的空间拓扑关系来求取参考距离,并以参考距离为基准对障碍物点云数据进行聚类判定,提高聚类分割准确性。多线形障碍物特征识别性能测试及水面无人船障碍物检测实验结果表明,相较于其他密度聚类算法,在正检率、误检率和漏检率性能指标方面,多线形障碍物特征识别性能测试中,所提算法分别平均下降了9.86%、5.04%、3.10%,水面无人船障碍物检测中,所提算法分别平均下降了10.50%、6.97%、2.95%。

面向港口环境精细感知的无人船多传感器融合SLAM系统

针对港口环境高精度感知需求,综合考虑影响同时定位与建图(SLAM)精度的港口环境因素,提出基于多传感器融合的激光SLAM环境感知方案。通过分析多种传感器对港口SLAM环境感知的影响,引入惯性测量传感器弥补激光SLAM输出频率低和剧烈运动位姿估计不准确等缺陷,采用卫星定位系统信息进行高程数据约束,处理船舶运动特性导致的垂荡累计漂移。从应用需求出发,对传感器进行选型和布置优化,搭建基于无人船的港口环境多传感器融合SLAM系统。结果表明,提出的港口环境高精度点云地图获取方案能在典型港口场景下准确实时建图,为水面精细SLAM提供技术支持。

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。

智联无人船内河水深测量与抗水流能力评估

利用无人船无验潮测深与网络RTK技术开展内河水深测量试验,并从测深精度、路径跟踪及最大抗水流能力三个方面评估该自主研发无人船性能。结果表明,无人船水深测量精度高,满足相关规范要求,且无人船在水流速<2.0 m/s条件下,抗水流速能力强,路径跟踪精度良好,外业作业最大抗水流速安全阈值为5.0 m/s。

基于分区进化遗传算法的无人船自导航规划研究

为解决无人船中的自导航路径规划问题,先对无人船的任务进行分层研究,再对其中的路径规划层进行分析。在完成航行环境的栅格化处理后,采用分区进化遗传算法(PEGA)对航行路径进行适应度值选取和交叉变异处理,以选出最优航行路径。实验结果表明,PEGA算法具有稳定的寻优性能,在迭代至30代时达到稳定状态,且稳定适应度值为0.58,并且该算法还能通过不同的目标需求完成不同的最优路线规划。

DDPG深度强化学习算法在无人船目标追踪与救援中的应用

为保证海上救援活动的高效性,研究结合深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)从状态空间、动作空间、奖励函数方面对船只追踪救援目标算法进行设计,并实际应用到无人船追踪救援之中。结果显示DDPG算法的稳定成功率接近100%,性能优异。该设计的算法最终回合累积奖励值能够稳定在10左右,而平均时长则能稳定在80 s左右,能够根据周边环境的状态调整自己的运动策略,满足海上救援活动中的紧迫性要求,能为相关领域的研究提供一条新的思路。

无人船红外图像单目视觉检测与跟踪研究

无人船可用于海洋探测、军事侦查、军事打击等领域,结合GPS、AIS、无线通信技术以及图像视觉技术使得无人船实现智能化控制。无人船红外图像的单目视觉检测对实现目标检测以及跟踪具有至关重要的作用。本文提出使用YOLOV7算法对红外图像目标进行识别,确定红外图像训练集,对图像进行预处理后完成模型的训练及更新,最终实现对红外图像目标的识别。将KCF算法应用于红外图像目标跟踪,研究KCF算法对目标的跟踪流程,使用KCF算法和DCF算法进行仿真分析发现,同等情况下,KCF算法的跟踪准确率为78%,优于DCF算法。

无人船多波束与水下机器人(ROV)在港口码头工程水下检测中的综合应用

无人船多波束测深系统具有工作效率高、作业成本低、受水下地形限制影响小、测量精度高等特点,通过无人船自主航行和多波束系统每次发射和接收几百个高程或水深数据值形成水下地形三维点云图,全面反应水下地形地貌的整体状况以及结构物的冲淤情况等状况;水下机器人(ROV)检测系统具有安全高效等特点,能够在水下进行长时间、大水深和较远距离的对水下结构物进行检测、巡查。本文综合应用无人船多波束测深系统和水下机器人(ROV)检测系统对安庆某码头工程水下结构物外观、和港池水下地形地貌、冲淤状况进行全面检测,为港口码头运营管理部门提供养护依据。

基于改进SiamRPN的高速无人船海上目标视觉跟踪研究

对于海上目标的监视侦察,无人船具备成本低、危险性小和隐蔽性好等优势。针对船只目标的抵近监视与跟踪问题,基于自研发的“久航750”7 m级高速无人船目标监视系统,本文提出了一种基于改进孪生候选区域生成网络(Siamese Region Proposal Network, SiamRPN)的海上目标视觉跟踪方法。该方法以ResNet50网络为主干网络,并在Siamese和RPN子网络之间增加了多层特征融合模块,通过对比原始SiamRPN算法、SiamFC(全卷积孪生网络)算法,显示了算法的鲁棒性和准确性。利用该高速无人船抵近监视“智飞号”无人集装箱船的海上数据,完成了由远及近过程中的无人船低速、加速和高速情况下的视觉跟踪测试,试验结果验证了所提算法的可行性和有效性。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于全景视觉的无人船水面障碍物检测方法

无人船航行时水面障碍物检测因视角不足,导致漏检或误检,同时为满足无人船安全正常作业的需求,提出基于全景视觉的无人船水面障碍物目标检测方法。与传统的单目和双目视觉相比,全景视觉具有水平方向大视场监控的优点。基于多目全景视觉系统获得待拼接图像,在加速稳健特征(SURF)算法的基础上进行图像配准,引入k维树来构建数据索引,实现搜索空间级分类并进行快速匹配。通过M估计样本一致算法对匹配点进行优化,剔除误匹配点。对于图像融合中重叠区域出现的拼接缝隙或重影问题,设计一种基于圆弧函数的加权融合算法。提出改进的水面障碍物目标检测模型DS-YOLOv5s,将拼接好的全景图像作为训练好的模型作为输入,从而检测目标障碍物。实验结果表明,改进后的SURF算法与SURF算法相比特征点的匹配正确率提高11.47个百分点,在匹配时间上比SURF、RANSAC算法缩短5.83 s,DS-YOLOv5s模型的mAP@0.5达到95.7%,检测速度为51帧/s,符合实时目标检测标准。

基于LOS导航算法的无人船路径跟踪控制

为了解决无人船路径跟踪控制问题,提出基于视距导航算法(LOS导航算法)和模糊PID控制的自适应无人船路径跟踪控制方法。首先根据LOS算法将路径跟踪问题转化为航向控制问题,之后通过模糊PID控制算法进行无人船的航向控制。通过仿真表明所提出的算法路径跟踪精度高,横向偏移量小,跟踪路径平滑,对无人船的路径跟踪控制有一定的参考价值。

基于区域生长法的无人机和无人船一体化测绘技术研究

针对控导工程监测过程中采用的传统水下高程测量方法存在操作人员多、安全隐患大等问题,以神堤控导工程12坝—20坝为例,采用无人机、无人船等非载人式勘测技术,对河道水上地形和水下地形展开同步测量。引入坡度因子对区域生长法进行改进,以目视解译方法识别的林木区域为基准,分析对比区域生长法和考虑坡度的区域生长法的识别准确率。采用自然邻域法对水下地形数据进行插值并与水上地形数据融合,得到神堤控导工程水上水下数字高程模型(DEM),并与工程三维视图进行对比。结果表明:利用无人机和无人船一体化测绘生成的DEM成果,满足有关技术规范的要求,具有较高的精度;采用考虑坡度的区域生长法识别控导工程的防浪林和行道林,识别正确率达92.47%。

融合动态窗口法和DDPG的无人船避碰方法

针对复杂环境中障碍物运动状态多变导致无人船避碰难以兼顾安全性、经济性和平滑性的问题,提出了一种融合动态窗口法和DDPG的无人船避碰方法。首先,在传统碰撞危险度模型中增加最近会遇距离和最近会遇点舷角作为评价因素,使无人船的碰撞危险度评价更为合理;其次,设计了基于动态窗口法的局部引导方法,将动态窗口法搜索的无人船可达位置作为局部引导点,增加了引导奖励来增大靠近引导点的动作奖励,使DDPG算法在训练中获得更准确的更新方向;最后,开展了在多种障碍物环境中的无人船避碰测试,实验结果显示,相较于传统DDPG算法,本文方法规划的路径更合理、平滑、风险更低,同时收敛速度提高了约37.5%,验证了所提方法的有效性。

环境驱动无人船大洋长航程路径规划研究

环境驱动无人船,如波浪滑翔机、saildrone等,由于自身低航速性、欠驱动性和弱机动性,导致其在大洋航行时受洋流干扰显著,甚至在部分强洋流海域出现失控的情况。本文基于先验已知的动态流场,通过B样条控制点随机生成无人船路径,并计算每一条路径在动态流场中考虑路径距离、航行速度以及路径光滑度的综合代价函数,使用遗传算法迭代搜索最优控制点组合。此外,考虑到大洋长航程路径规划中时间跨度长的特点,将出发时间作为路径优化参数,对比分析不同出发时间对行程用时的影响。仿真表明,所提出的路径规划策略能够有效提升大范围动态流场中欠驱动无人船的平均航速,缩短目标抵达时间。同时,在大范围长时序航行中,选择适当的出发时间可以进一步缩短行程用时。

无人船避障导航算法仿真测试平台设计与开发

为解决无人船避障导航算法验证成本高的问题,在实验室中为相关算法提供便捷高效的离线测试方案,利用虚拟现实技术,基于Unity 3D开发平台,采用插件动态加载方法,设计开发了一款仿真测试软件平台。在此软件平台中能够实时生成具有随机障碍物的虚拟近岸海洋环境,将自主设计开发的避障导航算法嵌入无人船运动过程中,对相关算法的性能指标进行测试和记录展示。设计开发的无人船避障导航算法仿真测试平台,为无人船关键测控算法的离线仿真测试验证提供了新的手段,实验过程易于复现,算法效果比对直观。与实船实验相比节省了大量的人力物力,提高了算法测试验证的便捷性和效率。