海上無人船舶導(dǎo)航技術(shù)與電子海圖系統(tǒng)的融合研究

文/王香棟 李棟

為了提高無人船舶導(dǎo)航技術(shù)在海洋航行中的應(yīng)用效果，本文首先介紹了無人船舶導(dǎo)航的三種主要方法，分別為基于強(qiáng)化學(xué)習(xí)的導(dǎo)航方法、基于視覺SLAM 算法的導(dǎo)航方法與基于路徑規(guī)劃與路徑跟蹤的導(dǎo)航方法。針對其中路徑規(guī)劃與路徑跟蹤導(dǎo)航方法，本文在路徑規(guī)劃方面提出一種基于ABC-PSO 算法的路徑規(guī)劃模型，并以路徑長度最短和碰撞次數(shù)最少為最優(yōu)目標(biāo)，設(shè)計模型的適應(yīng)度函數(shù)，對算法搜索的路徑進(jìn)行質(zhì)量評價。

為了驗(yàn)證所提方法的路徑規(guī)劃效果，引入電子海圖技術(shù)構(gòu)建海域環(huán)境模型，進(jìn)行海域規(guī)劃仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，經(jīng)過所提適應(yīng)度函數(shù)的篩選，實(shí)驗(yàn)算法所尋最優(yōu)路徑，均能在未發(fā)生碰撞的情況下，成功達(dá)到目的地；采用ABCPSO 進(jìn)行路徑規(guī)劃，相較于RRT 和PSO，規(guī)劃時間分別縮短了65.21%與46.64%，具有更高的效率；ABC-PSO 所尋得的最優(yōu)路徑，相較于RRT 和PSO，長度分別縮短了15.17%和11.58%，節(jié)點(diǎn)數(shù)量則減少了66.46%和44.9%，具有更短的長度和更高的平滑度，尋優(yōu)結(jié)果最佳，值得進(jìn)一步研究和推廣。

隨著世界經(jīng)濟(jì)的發(fā)展，海洋貿(mào)易劇增，對于海域資源的開發(fā)與海域地理氣候的研究也越來越重要。無人船舶因其人工成本低、靈活性高、可遠(yuǎn)程監(jiān)控偵察等優(yōu)勢，目前在海岸訓(xùn)練、海域監(jiān)測和地形測繪等方面被廣泛應(yīng)用。精確的導(dǎo)航技術(shù)是無人船舶能夠自主執(zhí)行海上任務(wù)的基礎(chǔ)，針對這一問題，許多學(xué)者進(jìn)行了大量研究。為了解決無人船舶在內(nèi)河的導(dǎo)航問題，楊嬌等根據(jù)無人船舶的運(yùn)動學(xué)原理與內(nèi)河駕駛員的量化經(jīng)驗(yàn)，提出一種基于雙延遲深度確定性策略梯度算法的無人船自主路徑規(guī)劃方法，并基于AC 網(wǎng)絡(luò)框架，從狀態(tài)空間、動作空間兩個方面對模型進(jìn)行設(shè)計，實(shí)現(xiàn)無人船舶在內(nèi)河的自主航行；針對無人船舶在海洋航行中的全局路徑規(guī)劃問題，朱文亮等將歐式距離與曼哈頓距離計算方法相結(jié)合，提出一種混合圓弧距離法，用于AI 經(jīng)典路徑規(guī)劃算法中代價公式的計算，以提高AI 算法的路徑搜索效率并減少算法的遍歷節(jié)點(diǎn)數(shù)量，進(jìn)而提高實(shí)現(xiàn)無人船舶在海洋航行中的全局路徑規(guī)劃。這些研究雖然一定程度上成功對無人船舶的航行路徑進(jìn)行規(guī)劃，但是規(guī)劃時間較長，路徑質(zhì)量不高，并且由于實(shí)際海洋情況復(fù)雜，在計算機(jī)上的仿真結(jié)果相較于實(shí)際的海洋航行仍有一定差距。為了縮短航線，提高路徑平滑度，本文提出一種基于ABC-PSO 的全局路徑規(guī)劃方法，首先通過人工蜂群算法改進(jìn)傳統(tǒng)粒子群算法的搜索精度與局部最優(yōu)逃脫能力，其次以路徑最短與碰撞最少為目的，提出模型的適應(yīng)度函數(shù)，對模型尋優(yōu)結(jié)果進(jìn)行質(zhì)量評估。最后為了提高算法的實(shí)用性，引入電子海圖技術(shù)對實(shí)際海域進(jìn)行環(huán)境建模，再在構(gòu)建的環(huán)境模型上，對所提方法的尋優(yōu)性能進(jìn)行檢驗(yàn)。所提方法具體設(shè)計如下：

無人船舶導(dǎo)航技術(shù)

無人船舶（Unmanned Surface Vehicles, USV），又稱無人水面艇，是一種無需依靠遠(yuǎn)程遙控，借助精確衛(wèi)星定位與電子傳感設(shè)備即可按照預(yù)設(shè)程序完成水面航行任務(wù)的全自動水面機(jī)器人。無人船舶技術(shù)包括無人控制、自主決策、自主導(dǎo)航和智能感知等智能技術(shù)，通過搭載的雷達(dá)、聲吶、通信系統(tǒng)、定位系統(tǒng)、自動識別系統(tǒng)與視覺感知系統(tǒng)等傳感裝置與輔助航海儀器，船舶能夠自動獲取自身狀態(tài)信息與航行水域信息，并結(jié)合感知算法的處理分析，判斷船舶當(dāng)前面臨狀態(tài)，再通過控制算法與執(zhí)行機(jī)構(gòu)對船舶航行行為進(jìn)行自主決策與規(guī)劃，實(shí)現(xiàn)船舶的自主航行。航行過程中，船舶也會實(shí)時監(jiān)測航行信息，保證自身面對水中障礙時可以及時避障，并根據(jù)定位信息回到原始規(guī)劃航線。隨著科技的進(jìn)步與市場需求的提升，無人船舶技術(shù)正在接受廣泛關(guān)注與進(jìn)一步研究。

在無人船舶技術(shù)中，自主導(dǎo)航技術(shù)是最核心的技術(shù)之一。它是指通過計算機(jī)技術(shù)，并結(jié)合船體的運(yùn)動學(xué)和動力學(xué)約束，設(shè)計出一條合理的路徑，使無人船能夠在不碰撞其他物體的情況下，到達(dá)目的地并順利完成任務(wù)要求的一種前沿技術(shù)[7]。無人機(jī)自主導(dǎo)航系統(tǒng)通過陀螺儀、加速度計等測量儀器，對無人船舶的運(yùn)行狀態(tài)進(jìn)行測量和分析，獲取船舶的速度和位置信息，結(jié)合周邊海域障礙物與氣候信息，根據(jù)行駛出發(fā)點(diǎn)與目的地，為無人船舶整個航線過程規(guī)劃一條完整路線，保證無人船舶能避開海域障礙物安全到達(dá)終點(diǎn)。無人船舶的自主導(dǎo)航技術(shù)，相較于傳統(tǒng)海運(yùn)中人工導(dǎo)航或遠(yuǎn)程導(dǎo)航，船舶的信息獲取與分析都傳感器、智能算法等電子儀器，受環(huán)境或主觀因素影響較小，穩(wěn)定性更高。但在航行過程中，通過傳感器獲取的信息難免存在誤差，且隨著時間推移誤差逐漸積累變大，可能導(dǎo)致船舶最終無法順利到達(dá)目標(biāo)點(diǎn)。因此在設(shè)計導(dǎo)航系統(tǒng)時，也考慮到對船舶航行狀態(tài)的實(shí)時監(jiān)測，使得船舶可以及時糾正偏移，完成整個航行。

目前主流的無人船導(dǎo)航技術(shù)主要分為三種：一是不需要人工設(shè)計路徑規(guī)劃，而是借助強(qiáng)化學(xué)習(xí)技術(shù)，使無人機(jī)在試錯中不斷學(xué)習(xí)周邊環(huán)境數(shù)據(jù)，自主決策航行方向與速度，以到達(dá)目的地時間最小化為優(yōu)化目標(biāo)，自主完成航行任務(wù)的方法；另一種則是首先通過激光雷達(dá)等傳感器獲取環(huán)境數(shù)據(jù)，再利用視覺SLAM 技術(shù)計算無人船舶位置，實(shí)現(xiàn)無人船舶的自主定位與建圖，最終實(shí)現(xiàn)無人船自主導(dǎo)航的方法[9]；而目前主流的無人船導(dǎo)航技術(shù)是通過路徑規(guī)劃與路徑跟蹤實(shí)現(xiàn)。在無人機(jī)行駛前，首先依據(jù)航區(qū)整體信息為無人機(jī)設(shè)計一條全局最佳路徑，確保無人機(jī)能順利到達(dá)目的地；再在航行過程中，不斷比較當(dāng)前位置與目標(biāo)位置之間的距離，確認(rèn)自身位置，不斷調(diào)整無人船航行方向與速度，使無人機(jī)能夠沿著全局路徑最終到達(dá)目標(biāo)位置的方法。

基于ABC-PSO 算法的全局路徑規(guī)劃方法

在海洋航行前，根據(jù)航行途經(jīng)海域信息對海洋環(huán)境進(jìn)行建模。首先將海域圖映射成黑白雙色的柵格地圖，并根據(jù)海域信息將地圖劃分成若干個 環(huán)境矩陣。其中陸地或障礙物等不可航行的部分用黑色表示，在環(huán)境矩陣中代表“1”；可航行的海域部分用白色表示，在環(huán)境矩陣中代表“0”。

采用粒子群算法（Particle Swarm Optimization，PSO）在柵格化地圖中搜索可行駛路徑。粒子群算法又叫粒子群優(yōu)化算法或鳥群覓食算法，是由國外學(xué)者Kennedy J 和Eberhart R C 在近年來提出，通過模仿鳥群覓食行為，用于處理多約束目標(biāo)優(yōu)化問題的仿生進(jìn)化算法。鳥群在集體覓食時，往往利用群體中個體信息共享的方法，使得整個群體演化由無序走向有序，進(jìn)而達(dá)到全局最優(yōu)，從而得到全局最優(yōu)解。相較于同樣通過迭代優(yōu)化的遺傳算法，粒子群算法涉及參數(shù)更少，結(jié)構(gòu)更簡單，搜索精度較高且收斂速度更快，目前被廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練、函數(shù)優(yōu)化或模糊控制系統(tǒng)改進(jìn)中。但是由于粒子群算法本身缺乏多樣性，對初始種群的依賴性較強(qiáng)，算法性能受研究者經(jīng)驗(yàn)限制，這就使得粒子群算法在早期搜索中效果較差，且尋優(yōu)過程中一旦陷入局部最優(yōu)，就難以脫困，影響粒子群算法的收斂速度與效果。因此在實(shí)際使用時，往往需要再對粒子群算法進(jìn)行改進(jìn)，本文的改進(jìn)主要集中在權(quán)重更新和搜索方式上。

由于原始粒子群算法存在收斂速度慢，易陷入局部最優(yōu)的問題，為了提高算法的收斂速度與精度，使算法在全局和局部搜索中都能保持搜索質(zhì)量，采用自適應(yīng)權(quán)重更新策略進(jìn)行改進(jìn)。因?yàn)榱Ｗ尤核惴ㄔ趯?shí)際搜索過程中，往往是非線性且高度復(fù)雜的，因此普通線性遞減的慣性權(quán)重?zé)o法完全反映粒子群搜索的優(yōu)化過程。考慮到粒子的慣性權(quán)重與慣性移動距離大小與算法搜索性能密切相關(guān)，因此在搜索初期設(shè)置一個較大的權(quán)重，使之隨著搜索次數(shù)的上升自適應(yīng)更新并縮小，通過這樣的方式，使得算法在迭代初期可以在較廣范圍內(nèi)搜索，加強(qiáng)了粒子的全局搜索能力；在迭代后期，粒子又將會在較小范圍內(nèi)精細(xì)搜索，從而大大提高了算法的尋優(yōu)性能，實(shí)現(xiàn)了算法的改善。

除了權(quán)重更新上的優(yōu)化外，針對粒子群算法后期易陷入局部最優(yōu)的問題，引入在尋找全局最優(yōu)上具有優(yōu)勢的人工蜂群算法（Artificial Bee Colony Algorithm，ABC），進(jìn)一步對粒子群算法的速度更新公式進(jìn)行改進(jìn)。 人工蜂群算法是在2005年由Karaboga 小組為解決優(yōu)化代數(shù)問題提出，通過模仿蜜蜂在采蜜過程中不同個體交換信息行為，保證算法全局搜索最優(yōu)能力的一種集群智能算法，目前主要被應(yīng)用于解決變量函數(shù)優(yōu)化或智能算法優(yōu)化問題。在人工蜂群算法中，蜂群通過雇傭蜂生成并分享食物源位置信息，再由偵查蜂隨機(jī)選擇一個食物源進(jìn)行搜索，直到將這個位置的食物搜索完成，再由偵查蜂在附近生成一個食物源重新搜索，直到所有食物搜索完成。利用人工蜂群算法中偵查蜂通過位置信息搜索新蜜源的思想，通過改進(jìn)粒子群算法的自適應(yīng)搜索方式，優(yōu)化算法跳出局部最優(yōu)的能力。

當(dāng)蜜源被搜索次數(shù)小于十 次時，跟隨蜂將在全局最優(yōu)點(diǎn)附近搜索；當(dāng)蜜源被搜索次數(shù)逐漸增大時，跟隨蜂將以全局最優(yōu)點(diǎn)為指引，在全局最優(yōu)點(diǎn)相鄰區(qū)域搜索，直到搜索次數(shù)達(dá)到上限，偵查蜂將離開這個蜜源，轉(zhuǎn)而尋找下一個蜜源。通過這樣的方式，算法可以輕易跳出局部最優(yōu)。通過人工蜂群和粒子群算法的結(jié)合，模型的搜索速度和質(zhì)量得到有效保障。

由于ABC-PSO 搜索得到的路徑存在中間節(jié)點(diǎn)與路徑轉(zhuǎn)折較多的問題，因此采用貪心搜索策略，對經(jīng)過判斷后，算法搜索的最優(yōu)路徑進(jìn)行平滑處理。在算法獲得一條可通過路徑后，以起始點(diǎn)為基點(diǎn)，將起始點(diǎn)與目標(biāo)點(diǎn)相連，判斷連線是否穿過障礙物。如果穿過障礙物，則選取上一個節(jié)點(diǎn)連接，再次進(jìn)行判斷；不斷遍歷所有節(jié)點(diǎn)，直到找到未穿越障礙物就可以連接的節(jié)點(diǎn)。將這個節(jié)點(diǎn)與起點(diǎn)相連，再以這個起點(diǎn)為基點(diǎn)，與目標(biāo)點(diǎn)相連，重復(fù)上述過程，找到下一個未穿越障礙物即可連接的節(jié)點(diǎn)。直到這個節(jié)點(diǎn)可以未穿越障礙物直接與重點(diǎn)相連。將起點(diǎn)、終點(diǎn)與所有找到的節(jié)點(diǎn)以路徑的形式相連，通過這樣的方式，所尋路徑減少了大量的中間節(jié)點(diǎn)，減少了路徑轉(zhuǎn)折次數(shù)，無人船舶可以更快速從起點(diǎn)到達(dá)終點(diǎn)，大大降低了無人船舶的移動代價。

仿真實(shí)驗(yàn)

基于ABC-PSO 全局規(guī)劃模型搭建無人船舶導(dǎo)航系統(tǒng)路徑規(guī)劃模塊，為了驗(yàn)證ABC-PSO 的全局規(guī)劃速度和路徑生成質(zhì)量，引入電子海圖對算法進(jìn)行海域仿真實(shí)驗(yàn)，并將實(shí)驗(yàn)結(jié)果分別與PSO、RRT 等經(jīng)典尋優(yōu)算法的路徑生成結(jié)果進(jìn)行比較。

電子海圖是當(dāng)前海洋航行中用于建立導(dǎo)航系統(tǒng)的而產(chǎn)生的一種特殊地圖。電子海圖依靠雷達(dá)、傳感器等電子設(shè)備搜集環(huán)境與船舶信息，并以數(shù)據(jù)的形式儲存在計算機(jī)中，經(jīng)過信息分析技術(shù)處理，最終以簡單直觀的方式展示在使用者面前。相較于傳統(tǒng)紙質(zhì)海圖，電子海圖查詢方便，不僅可以描述海岸線與海域信息，還可以提供內(nèi)陸水系可以行駛的相關(guān)航道信息，并且針對海岸線形狀、島嶼、礁石、障礙物、水深點(diǎn)、危險水域和航道輔助設(shè)施，也有更細(xì)致準(zhǔn)確的展示，極大地方便了人們的航行，是現(xiàn)代海洋航行重要的輔助導(dǎo)航工具。采用二值化法建立標(biāo)準(zhǔn)電子海圖的環(huán)境模型，環(huán)境模型的大小為 ，對海圖中航行路徑規(guī)劃相關(guān)的障礙物和航道進(jìn)行標(biāo)注，標(biāo)注的障礙物包括陸地、島嶼和礁石三種。

在Matlab 平臺分別進(jìn)行ABC-PSO、PSO 和RRT 的海域規(guī)劃仿真實(shí)驗(yàn)，實(shí)驗(yàn)基于Windows 10 操作系統(tǒng)進(jìn)行，配置CPU 為i7 13700KF，內(nèi)存為8GB，顯卡為Radeon R7 M260。輸入某海工船舶設(shè)備有限公司某條實(shí)際航道的水域及周邊環(huán)境三維信息生成電子海圖仿真模型，采用ABC-PSO、PSO 和RRT 分別進(jìn)行全局路徑規(guī)劃。設(shè)置起點(diǎn)坐標(biāo)為（35,35），終點(diǎn)坐標(biāo)為（120,300），算法的最大采用次數(shù)為20000。以無人船的寬度作為1 個單位寬度，設(shè)置規(guī)劃路徑寬度為5 個單位寬度，這樣在實(shí)際航行時，無人船在左右兩邊都可以擁有兩個單位寬度作為碰撞緩沖。

無人船舶是一種可以用于海洋開發(fā)、氣象監(jiān)測和水上搜集等方面的前沿技術(shù)，在海洋任務(wù)的完成中具有廣闊前景。導(dǎo)航技術(shù)是無人船舶的核心技術(shù)，常用的無人船舶導(dǎo)航技術(shù)主要有基于強(qiáng)化學(xué)習(xí)、基于視覺SLAM 和基于路徑規(guī)劃與路徑跟蹤三種，目前基于路徑規(guī)劃與路徑跟蹤的導(dǎo)航技術(shù)是無人船舶導(dǎo)航的主流。為了提高無人船舶管理系統(tǒng)的導(dǎo)航精度，研究提出一種基于ABC-PSO 的路徑規(guī)劃方法，并引入電子海圖技術(shù)對海域及周邊環(huán)境進(jìn)行建模，用于海域航行的規(guī)劃仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，經(jīng)過所提適應(yīng)度函數(shù)的篩選，三種對比算法所尋路徑都能在未發(fā)生碰撞的情況下，成功到達(dá)目標(biāo)點(diǎn)。其中，RRT 算法規(guī)劃的路徑長度和規(guī)劃時間都是最長，分別為423.27m 與3.65s，規(guī)劃路徑的節(jié)點(diǎn)數(shù)量最多，平滑度最低，整體效果最差。PSO 算法的規(guī)劃結(jié)果相較于RRT 稍少，路徑長度和規(guī)劃時間都有一定程度的縮短，分別為406.12m和2.38s，規(guī)劃路徑的節(jié)點(diǎn)數(shù)量更少，規(guī)劃的路徑質(zhì)量更高。采用所提ABC-PSO 方法進(jìn)行全局路徑規(guī)劃，在三種算法中效果最好，規(guī)劃時間相較于RRT 算法與PSO 算法分別縮短了65.21%與46.64%，規(guī)劃效率更高；所搜索的最優(yōu)路徑長度相較于RRT 和PSO 減少了15.17%和11.58%，節(jié)點(diǎn)數(shù)量則分別減少了66.46%和44.9%，路徑長度更短且平滑度更高，無人船在航行過程中耗費(fèi)的成本更低，具有一定的實(shí)用性。