復雜動態環境下船舶操縱系統避障自適應控制方法研究

嚴 科

（中國海警局直屬第四局，海南 文昌 571339）

復雜動態環境下船舶操縱系統避障自適應控制方法不夠成熟完善，有些任務或環境條件不適合有人船工作，而智能化無人船舶操縱系統智能化水平不足，有待研發人員進一步進行開發。2014 年谷歌公司開始研發汽車無人駕駛項目，后來無人機駕駛、無人船駕駛等項目也相繼誕生，人工智能技術、自動控制技術、信息融合技術為復雜動態環境下船舶操縱系統避障自適應控制方法提供了新的思路。

1 內河彎道水域船舶操縱系統避障自適應控制方法

1.1 內河彎道水域船舶操縱系統避障影響因素

內河彎道水域船舶操縱系統避障影響因素主要包括內河橋區安全水域、內河船橋安全距離、船位限制、航向限制、航道邊界的限制。進入橋孔前、橋孔入口處、船舶整體通過橋孔后船舶操縱系統避障不當都會出現碰撞事故。

1.2 內河彎道水域船舶操縱系統避障算法

首先，需要根據橋墩墩型計算系數、橋墩墩型、橋墩計算寬度、紊流區域寬度、橋墩墩型得到船橋安全距離。

其次，根據船舶參數、橋墩參數、是否通過橋區水域、最大偏移量、風流壓差角、轉向、橋梁的垂直距離是否小于橋區安全水域、是否通過橋孔、是否滿足約束條件、是否滿足航道邊界約束、轉舵方向得到最佳內河橋區水域船舶操縱過程，避免碰撞事故出現。模型約束條件主要包括轉向角的限制、航道邊界的限制、相鄰轉向點之間的距離限制[1]。

1.3 差分進化算法下船舶操縱系統避障自適應控制方法

差分進化算法下可以先根據種群規模、基因長度、虛擬航標點集合、隨機生成轉舵角度、轉舵角度、虛擬航標點生成基因、個體適應度生成初始種群，并將生成的個體添加到初始種群，然后可以根據種群規模、基因長度、最優個體的情況初始化種群，最后即可根據該算法進行變異操作、交叉操作、選擇操作，以此來判斷當前種群的最優個體以及當前算法是否滿足停止條件。差分進化算法能夠根據內河彎道水域的基本情況和船舶轉向點的轉向角度、航行時間，驗證內河彎道水域船舶操縱路徑是否正確，根據轉向點坐標、轉舵時間、轉舵角度即可保障船舶在內河彎道水域順利通過。

1.4 內河彎道水域船舶操縱系統功能需求

內河彎道水域船舶操縱系統必須滿足系統登錄、訓練數據的存儲與解析、船舶運動狀態模擬、內河橋區水域船舶操縱仿真、內河彎道水域船舶操縱仿真、Web 端后臺管理系統等功能。內河彎道水域船舶操縱系統功能可以分為Web 端后臺管理系統、Windows 端仿真訓練平臺兩部分，Web 端后臺管理系統可以分成系統管理、參數管理、訓練數據管理三部分，Windows端仿真訓練平臺可以分成船舶運動狀態模擬、內河橋區水域船舶操縱模擬、內河彎道水域船舶操縱模擬三部分。其中系統管理包括人員管理、角色權限管理等功能；參數管理包括船舶參數管理、航道參數管理等功能；訓練數據管理包括航道環境參數管理、船舶駕駛員訓練數據管理等功能。船舶運動狀態模擬包括船舶運動狀態模擬、船舶運動參數調整、船舶旋回試驗驗證等功能；內河橋區水域船舶操縱模擬包括橋區安全水域計算、船橋安全距離計算、橋區水域船舶模擬操縱模型建立、橋區水域船位約束條件計算等功能；內河彎道水域船舶操縱模擬包括彎道水域虛擬航標點設置、彎道水域約束條件計算、彎道水域船舶操縱模型建立、差分進化算法、解析轉向點集合等功能。

1.5 內河彎道水域船舶操縱系統工作流程

船舶操縱人員登錄系統后可以選擇訓練模式、訓練船舶、訓練環境和場景。若訓練場景為橋區水域，則設置船舶運動初始狀態、計算橋區安全水域和船橋安全距離、計算橋區水域約束條件、橋區水域船舶操縱模型建模、內河船舶運動模型模擬運動，根據是否滿足約束條件決定是否進行船舶轉舵，根據是否通過橋水區域決定是否結束訓練模式，最終將操作數據存入數據庫。設置船舶運動初始狀態后也可以直接計算虛擬航標點、計算約束條件、內河彎道水域船舶操縱模型建模、差分進化算法求解、解碼算法解碼，這樣可以得到返回轉向角度和轉向時機，最好根據內河船舶運動模型模擬運動判斷是否到達目標點，并決定是否退出訓練模式[2]。

2 路徑規劃船舶操縱系統避障自適應控制方法

2.1 船舶操縱性影響因素

船舶操縱性主要受船舶參考安全距離、地理環境等因素影響，其中船舶參考安全距離需要根據船舶領域的邊界、航程、航向線夾角、航速、航行時間計算，這樣才能根據船舶轉向所用時間、船舶轉向所用航程、航速等參數得到靜態路徑規劃中的船舶參考安全距離。地理環境不同則選取的轉向舵角、船舶速度也存在一定差異，具體需要根據海圖信息進行調整。

2.2 柵格法算法路徑規劃

柵格法算法路徑規劃按照方位將其分為東南、東北、西南、西北、東、西、南、北八個方位，根據編號規則確定障礙物位置，并且根據工作環境邊界判斷船舶能否通過障礙物。柵格法算法可以將整個區域劃分為m×n 的網格，網格劃分越細致，則障礙物位置和邊界區域確定越精準[3]

2.3 改進柵格法算法路徑規劃

改進柵格法算法路徑規劃將傳統柵格法算法和人工勢場法相互結合，充分發揮了人工勢場法需要的信息量少、易于實現、表達式簡單、數學分析簡單、計算復雜度低的優點，同時根據船舶參考安全距離對障礙物影響大小進行確定，最終即可規劃最佳避障路徑，與傳統柵格法算法相比避障操作的復發性大大降低，有效避免了船舶避障操縱過多的劣勢。人工勢場法的原理是賦予障礙物引力和斥力，根據船舶與障礙物之間的距離自動判斷調整引力和斥力大小，并且根據引力和斥力大小調整船舶操縱系統，使其利用斥力場和引力場自動對障礙物做出規避。船舶操縱性難度較大，船舶排水量越大則操縱難度越高，因為排水量與船舶慣性直接相關，慣性越大則船舶操縱的時滯性越強，實際操縱過程中若操縱轉向過大或路徑過長均會增加操縱風險，操縱轉向越小、路徑越短則規避障礙物越簡單。因此，改進柵格法算法路徑規劃的核心是在保持船舶穩定的情況下，盡量以低頻率操舵和小轉向角完成障礙物規避，傳統的8 方向柵格可以向16 方向柵格發展。

2.4 路徑規劃船舶操縱系統避障自適應控制實現

一是船舶操縱人員應該基于電子海圖柵格化處理，通過柵格法算法規劃全局路徑，篩選出輔助子目標點。二是以子目標點進行引導，通過改進勢場柵格法進行路徑規劃，判斷子目標點是否為障礙物，若存在障礙物則確定下一個子目標點，并以子目標點進行引導再次對改進勢場柵格法進行路徑規劃。三是選擇無障礙物的子目標點，船舶到達子目標點后確定是否為航行終點。若未到達航行終點，則繼續以子目標點進行引導，通過改進勢場柵格法進行路徑規劃，直到船舶通過一個又一個子目標點到達航行終點。

3 全驅動船舶操縱系統避障自適應控制方法

3.1 全驅動船舶操縱的影響因素

全驅動船舶操縱主要受旋回性、改向及抑制性、初始旋回性、停船性等因素影響。其中旋回性受進矩、旋回初徑等因素影響；改向及抑制性受第一超越角、第二超越角等因素影響；初始旋回性受船首向第一次改變因素影響；停船性受航跡進矩、縱向進矩等因素影響。若再將船舶行進過程中的風浪因素考慮其中，則還需要分析船舶前進速度、船舶重心相對于當前位置的航向角、船舶橫移速度、船舶旋回性指數等因素的影響[4]。

3.2 全驅動船舶操縱系統的避障目標

船舶航行位置和方向誤差受風、浪、流的影響，海上船舶的慣性矩陣和阻尼矩陣對航行方向的誤差較小，而且可以根據海上船舶的重量和排水量計算其非線性阻尼系數的影響，該因素的影響也可以忽略不計。實際全驅動船舶操縱系統的避障目標應該考慮的因素是船舶慣性系數、阻尼系數、推進系數、轉角力矩參數量等因素，因此需要根據以上因素確定全驅動船舶操縱系統的避障目標，即確定船舶航行速度、航行方向、前進速度、角速度。

4 無人船舶操縱系統避障自適應控制方法

4.1 仿人智能安全駕駛系統

仿人智能安全駕駛系統在規劃航線時必須了解海圖信息、氣象信息等資料，電子海圖數據格式分為矢量格式和柵格方式，矢量格式的電子海圖可以采用加密方法減少其存儲占用，這樣在使用過程中直接調用海圖信息即可減少海圖失真問題出現，目前最常用的電子海圖加密方法為S-63、S-57 標準。S-57 電子海圖物標的標識屬性主要包括特征物標、空間物標兩種情況，其中特征物標主要包括元物標、制圖物標、地理物標、集合物標；而空間物標主要包括矢量、光柵、矩陣，矢量包括結點坐標、邊坐標、面，結點坐標通過孤立結點、鏈接結點分別與面和邊坐標相互連接。無人船仿人智能安全駕駛系統避障自適應控制方法主要采用最佳優先搜索算法、深度優先搜索算法進行路徑規劃，在柵格化的海圖中能夠通過人工智能技術規劃出規避陸地、礁石、淺水區等障礙物的最佳航線。傳統算法下的仿人智能安全駕駛系統航線存在航線轉向點過多、偏航安全距離大等缺點，可以通過引入自動偏航報警系統在航線超出特殊區域邊界的情況下進行報警提醒。

目前可以采用船舶自動識別系統利用雷達對障礙物進行探測和定位，但是雷達的缺點是容易受到環境的影響，若外界環境因素比較復雜則容易出現假回波信號讓船舶操縱系統誤以為存在障礙物。因此，實際航行中可以對雷達和仿人智能安全駕駛系統進行融合，通過時空統一、航機關聯的方法將各自的卡爾曼濾波信息融合到一起，以提高航機數據信息的準確性。仿人智能安全駕駛系統主要由電源、內存、工控機、主板、傳感器接口、存儲硬盤等硬件設施組成，其主要功能主要分為全局航線自動生成模塊、信息融合模塊、自主避障算法模塊。仿人智能安全駕駛系統操縱人員通過電子海圖柵格化、全局航線規劃即可確定航線轉向點、局部目標點、動態感知外部環境信息，最終根據仿人智能安全駕駛系統自主避障算法模塊做出自主避障操作，并判斷局部目標點是否為終點，直到船舶達到目的地。

4.2 導航強化學習控制系統

導航強化學習控制系統主要依托神經網絡算法對無人船舶的航向進行控制，跡偏差主要影響因素為船舶與航線段之間的垂直距離差、航線段的航線角、船舶的漂角。該系統主要利用航向控制器進行航海計算、構建期望航向、強化學習、計算風浪流干擾，進而避免船舶操縱受到慣性、時滯性的影響。導航強化學習控制系統主要包括船舶運動模型、航海計算工具箱、自動控制器、仿真系統主框架，其中仿真系統主框架功能包括電子功能、航線設計功能、設置功能、顯示功能、記錄和回放功能、方位距標圈工具、控制模塊接口、系統界面等[5]。

4.3 航行經驗規則避碰系統

航行經驗規則避碰系統需要在航線區域檢測到靜態障礙物、與其他船舶航線重疊時、避讓距離過短時存在碰撞風險，實際避讓中應該采取最小夾角經驗操縱原則，在計算目標航路點舷角后向夾角方向轉向，若預估航向調整后仍然保持安全則可以在最小夾角下進行經驗避讓，若預估航向調整后不安全則應該保持原有航向不改變。航行經驗規則避碰系統可以根據深度競爭學習算法對船舶操縱動作對環境的影響進行判斷，通過航行經驗判斷預估船舶操縱動作是否安全，該算法學習時間越久則航行經驗越豐富，最終對避碰操縱行為的判斷越準確。航行經驗規則避碰系統主要可以得出直接駛向目標、避讓危險、避讓駛向目標三種操縱動作，深度競爭學習算法可以根據計算得到最優避讓路徑，其中海圖柵格化越精準則精度越高，實際避碰中對遇局面、追越局面、交叉會遇局面比較常見，該算法應該主要對以上三種局面進行深度學習，增加航行經驗。

5 結論

綜上所述，復雜動態環境下船舶操縱系統避障自適應控制方法主要利用各類算法對內河彎道水域、海域航行過程中的障礙物避讓操縱動作和路線進行規劃，確保船舶與靜態障礙物、其他船舶不會發生相撞事故，人工智能技術、通信信息計算與船舶操縱系統結合得越緊密，則該系統的安全性、有效性越高。