陈会伟 陈玉杰 冯 飞

（青岛黄海学院智能制造学院，山东 青岛266427）

1 概述

随着经济的发展，海水养殖业规模和速度都在不断增加，而渔业养殖环境的实时监控、合理调控成为产业发展所必须面对的重要问题。无人船是一种新型的水上检测平台，其以小型船舶为基础，集定位、导航与控制设备于一体，可搭载多种检测传感器，以自主的方式完成相关水质检测。由于海洋环境的复杂性（包括树干、浅滩、漂浮障碍物、无人船拖曳系统遇到的水中障碍物等），无人船在巡检过程中可能会遇到各种各样的危险，所以路径规划是无人船航行过程的重要环节。规划出一条避障能力强，尽可能少消耗能量，航行距离尽可能短的路径，对无人船检测海水养殖环境具有重要意义，对海水养殖环境的进一步控制有着重要的理论价值。

无人船路径规划目前已有众多算法应用，常见的有基于粒子群的优化算法、蚁群优化类算法，随着神经网络的发展，神经网络在路径规划中得到了广泛的医用，在众多算法中，人工势场法具有较大的优势，因为其结构简单、反应快速。

2 基于人工势场法的无人船航迹规划

人工势场法是Khatib 于1986 年提出的，是运用物理学的认识论来描述人类思维的方法，基本思想是将无人船在空间的运动看作是在一虚拟势场中的受力运动，目标点位置构造引力场对无人船产生吸引力，障碍物位置构造斥力场对无人船产生排斥力，无人船在两个力共同作用下朝着目标点运动，实现无碰撞的路径。

2.1 传统人工势场法模型

无人船在虚拟势场运动过程中，斥力场随着无人船与障碍物的接近而增大，引力场随着无人船与目标点的远离而增大，这样，既可保持无人船对目标点的跟踪，又可以避免对障碍物的碰撞。因此，人工势场法的关键是引力势场函数和斥力势场函数的构造。

2.1.1 引力势场函数

引力势场函数是关于距离的概念，与目标点位置有关。假设Xc 表示无人船在运动过程中的任意位置坐标，Xg 表示目标点的位置坐标，则引力势场函数是：

式中，katt表示引力常数量；ρ（ Xc， Xg） 表示无人船坐标到目标点坐标的距离。

引力场的方向由无人船指向目标点，对引力势场函数求负梯度得出引力为：

2.1.2 斥力势场函数

斥力势场函数是关于距离的概念，与障碍物位置有关。假设Xc 表示无人船在运动过程中的任意位置坐标，Xo表示障碍物的位置坐标，则斥力势场函数是：障碍物坐标的距离；为障碍物有效的影响距离，当ρ（ Xc， Xo） ≤ρo时，障碍物对无人船产生排斥作用。

2.1.3 人工势场模型

斥力场和引力场的附近由相应算法产生对应的势力场，人工势场定义为：

根据空间动力学方程以及数学定理拉格朗日方程，可推出人工势场对无人船的作用力F 为：

图1 人工势场法示意图

2.2 传统人工势场法性能分析

人工势场法模型简洁、算法结构简洁明了、计算快速、实时性强，便于数学描述，所得路径较为平滑，安全性能较高。但是，局部极小值和目标不可达仍是传统人工势场法应用于无人船避障时亟待解决的问题。a.当目标点在障碍物影响范围内时，随着无人船接近目标，引力逐渐变小趋向于零而斥力不为零，总的势场力在目标点不是全局最小，无人船将无法继续移动，不能到达目标点。b.当无人船与目标点和障碍物三者共线且障碍物处于中间时，在前方某个点，当无人船前进时，会出现势场力为零的情况，如果没有外力作用，则达到受力平衡，无人船将停止，到达不了目标点。c.当无人船在运动途中经过障碍物较为密集的地方时，其所受斥力将超过目标点对其的吸引力，这样会使无人船无法找到合适路径，陷入局部最小值的风险，不能到达目标点。d.当无人船进入凹形区域，各障碍物对无人船的合力与目标点对无人船的吸引力的合力为零时，则会使无人船陷入局部最小陷阱区域而无法顺利到达目标点。

3 研究现状

基于人工势场法的局部极小值和目标不可达问题受到专家学者的广泛关注，各种改进完善策略迅速发展。

3.1 改变引力势场和斥力势场模型

传统人工势场法势场函数采用二次函数，因此势场强度的变化速率较快，且势场函数系数无法动态调整，导致无人船易陷入局部最小值点，无法到达目的地。

文献[1]提出加入无人船与目标点的相对距离和相对速度，以及无人船与障碍物的相对角度、速度和加速度作为约束条件对势场函数进行改进，可以有效地解决因陷入局部最优，无人船处于波动状态而造成的目标不可达问题，但是参数精度低、解决问题的时间过长的问题需要继续改进和解决。

文献[2]指出可以由指数函数代替势场函数，替代以后，势场强度的变化幅度会被抑制，同时可在斥力势场函数中增加个因子，该因子为无人船与目标点的相对位，利用该因子解决目标不可达问题，在系统中额外添加系数调整因子，引入2 个判断条件，判断无人船是否陷入局部最小值，若陷入最小值，则通过选择应的势场系数，使无人船跳出局部最小值。此算法适用于复杂海洋环境无人船路径规划，避免陷入局部最小值，使无人船准确到达目的地。

文献[3]指出在模型层面，通过在势场模型中引入DE 算法，提出势场路径评价方程和基于进化策略的改进势场模型，实现对势场路径的初步优化；在路径点层面，考虑了无人船运动能力约束——最大转向角等约束条件，提出了平滑算法对局部路径进行二次优化，有效地提升了无人船的航行效率。此算法保留了势场法计算简单、路径安全可靠的优点，同时兼顾了无人船对路径的优化性要求和无人船的运动约束条件，所规划出的路径短且平滑，很好地满足了无人船的实际规划要求。

文献[4]通过在斥力势场函数中添加动态斥力增益因子来解决目标不可达问题，该因子根据障碍物对机器人影响程度的不同，其值大小也会存在差异，因子数值的大小可以通过模糊控制器进行动态调节。

文献[5]是对人工势场法的改进，其核心思想为添加相对速度与相对加速度场在原来的位置场上，同时，改进算法还提到了“线势场”，“线势场”是由路径对无人船产生的，“线势场”的作用为无人船避障以后，提供一个吸引力，吸引无人船继续前进，达到全局规划与局部规划的有机统一。

文献[6]将无人艇与目标点的相对位置引入到引力势场模型中；将机器人、障碍物和目标点的相对运动速度引入到斥力势场模型中重新构建势场函数。对于环境信息采用障碍物连结法处理降低计算的复杂度，对于人工势场法的局部极小值问题提出了建立局部目标点和斥力分解优化的方法。

3.2 多算法组合进行路径规划

多算法组合路径规划保留了人工势场法原理简单、反应速度快的优点，又可在一定程度上克服算法本身的缺点，对避障路径进行进一步的优化。文献[7]提出了一种改进的人工势场－蚁群算法。该算法的重要改进为更新规则及启发信息函数，在此基础上，算法引入了最大最小蚁群系统，极大了提高了搜索效率，缩小了搜索范围，能够有效防止“早熟”现象，另外在启发信息函数中加入了人工势场法的控制因素，可有效地减小传统蚁群算法在搜索初期存在的盲目性，从而加快算法的收敛速度。

文献[8]针对多AUV 的避碰与避障控制问题，提出了一种将人工势场法与虚拟结构相互结合的多AUV 避障控制算法，该算法可以使得多AUV 在保持编队阵型的基础上，避免与行进过程中遇到的障碍物以及AUV 之间的碰撞。

文献[9]提出一种势场蚁群算法，即在基本蚁群算法迭代初期，通过人工势场法影响蚂蚁的信息素量，从而提升寻找最优路径的效率。该算法优于基本蚁群算法，有效提高了全局路径规划效率和收敛性，为实现移动机器人环境建模及运动策略规划提供了可靠的迭代算法设计基础。

文献[10]提出了一种改进斥力的人工势场法与模糊算法相结合的路径规划算法。将机器人与目标点欧几里德距离的对数函数引入到斥力场模型中，形成新的人工势场，同时加入机器人、障碍物和目标位置坐标判据式。将人工势场引力与斥力的角度差、合力差分别作为模糊输入，借助专家经验进行决策，得到输出模糊力，进而调整机器人各时刻合力大小和方向。此算法解决了传统人工势场法中出现的局部最优和目标不可达问题，减小了路径轨迹波动幅度，且在凹型槽障碍物中无徘徊。

4 技术研究趋势

当今世界，计算机技术、通信技术、控制技术和传感器技术等迅速发展，无人船如何适应复杂的海洋环境，如何满足自身动力学运动特点的众多约束条件，如何实现智能化的路径规划，同时由于无人船数据链路处理和传输导致的命令滞后和延迟等自身的控制和任务方式，使得航迹规划方法的研究更加复杂。通过对国内外的研究回顾，可以看出，基于人工势场法的航迹规划研究的趋势主要有：

4.1 针对人工势场法本身的改进与完善仍将是以后重要的研究方向。如：在使用人工势场法进行局部路径规划时，如何调节众多的参数，使得无人船能够快速的回到期望路径，且避免在期望路径附近来回震荡。

4.2 考虑海风、海流、海浪及电子干扰等外界干扰因素影响的研究。目前无人船路径规划在海洋环境约束区域建模过程中进行了部分简化，如认为海流在一定范围内的速度和方向是不变的，但现实情况不是这样的，为了提高无人船在恶劣环境下的路径跟踪控制精度，应对控制算法在恶劣环境下的控制性能进行更深入的研究。

4.3 考虑海上交通规则以及碰撞约束的研究。传统的航线自动生成方法主要基于电子海图平台、遥感图像等，通过栅格化方法或提取障碍物信息的方法识别出可航水域和不可航水域，而忽视了在航海实践中必须遵守的航线设计原则和航行规则。

4.4 多无人船协同路径规划研究。现在专家学者主要研究单个无人船路径规划问题，而随着无人船发展应用，尤其在区域巡检方面的应用，会更多强调多无人船协同作业。因此，后续研究应对无人船协同路径规划进行讨论。

结束语

人工势场法具有反应快速、计算简单以及实时性强等优点，在无人船航迹规划问题上得到了较好的应用。随着国内外学者对上述问题的进一步深入研究，必将加快无人船自主控制和任务规划技术的进步，促进无人船系统向着自主化、智能化的方向迅速发展。