严 科

（中国海警局直属第四局，海南 文昌 571339）

复杂动态环境下船舶操纵系统避障自适应控制方法不够成熟完善，有些任务或环境条件不适合有人船工作，而智能化无人船舶操纵系统智能化水平不足，有待研发人员进一步进行开发。2014 年谷歌公司开始研发汽车无人驾驶项目，后来无人机驾驶、无人船驾驶等项目也相继诞生，人工智能技术、自动控制技术、信息融合技术为复杂动态环境下船舶操纵系统避障自适应控制方法提供了新的思路。

1 内河弯道水域船舶操纵系统避障自适应控制方法

1.1 内河弯道水域船舶操纵系统避障影响因素

内河弯道水域船舶操纵系统避障影响因素主要包括内河桥区安全水域、内河船桥安全距离、船位限制、航向限制、航道边界的限制。进入桥孔前、桥孔入口处、船舶整体通过桥孔后船舶操纵系统避障不当都会出现碰撞事故。

1.2 内河弯道水域船舶操纵系统避障算法

首先，需要根据桥墩墩型计算系数、桥墩墩型、桥墩计算宽度、紊流区域宽度、桥墩墩型得到船桥安全距离。

其次，根据船舶参数、桥墩参数、是否通过桥区水域、最大偏移量、风流压差角、转向、桥梁的垂直距离是否小于桥区安全水域、是否通过桥孔、是否满足约束条件、是否满足航道边界约束、转舵方向得到最佳内河桥区水域船舶操纵过程，避免碰撞事故出现。模型约束条件主要包括转向角的限制、航道边界的限制、相邻转向点之间的距离限制[1]。

1.3 差分进化算法下船舶操纵系统避障自适应控制方法

差分进化算法下可以先根据种群规模、基因长度、虚拟航标点集合、随机生成转舵角度、转舵角度、虚拟航标点生成基因、个体适应度生成初始种群，并将生成的个体添加到初始种群，然后可以根据种群规模、基因长度、最优个体的情况初始化种群，最后即可根据该算法进行变异操作、交叉操作、选择操作，以此来判断当前种群的最优个体以及当前算法是否满足停止条件。差分进化算法能够根据内河弯道水域的基本情况和船舶转向点的转向角度、航行时间，验证内河弯道水域船舶操纵路径是否正确，根据转向点坐标、转舵时间、转舵角度即可保障船舶在内河弯道水域顺利通过。

1.4 内河弯道水域船舶操纵系统功能需求

内河弯道水域船舶操纵系统必须满足系统登录、训练数据的存储与解析、船舶运动状态模拟、内河桥区水域船舶操纵仿真、内河弯道水域船舶操纵仿真、Web 端后台管理系统等功能。内河弯道水域船舶操纵系统功能可以分为Web 端后台管理系统、Windows 端仿真训练平台两部分，Web 端后台管理系统可以分成系统管理、参数管理、训练数据管理三部分，Windows端仿真训练平台可以分成船舶运动状态模拟、内河桥区水域船舶操纵模拟、内河弯道水域船舶操纵模拟三部分。其中系统管理包括人员管理、角色权限管理等功能；参数管理包括船舶参数管理、航道参数管理等功能；训练数据管理包括航道环境参数管理、船舶驾驶员训练数据管理等功能。船舶运动状态模拟包括船舶运动状态模拟、船舶运动参数调整、船舶旋回试验验证等功能；内河桥区水域船舶操纵模拟包括桥区安全水域计算、船桥安全距离计算、桥区水域船舶模拟操纵模型建立、桥区水域船位约束条件计算等功能；内河弯道水域船舶操纵模拟包括弯道水域虚拟航标点设置、弯道水域约束条件计算、弯道水域船舶操纵模型建立、差分进化算法、解析转向点集合等功能。

1.5 内河弯道水域船舶操纵系统工作流程

船舶操纵人员登录系统后可以选择训练模式、训练船舶、训练环境和场景。若训练场景为桥区水域，则设置船舶运动初始状态、计算桥区安全水域和船桥安全距离、计算桥区水域约束条件、桥区水域船舶操纵模型建模、内河船舶运动模型模拟运动，根据是否满足约束条件决定是否进行船舶转舵，根据是否通过桥水区域决定是否结束训练模式，最终将操作数据存入数据库。设置船舶运动初始状态后也可以直接计算虚拟航标点、计算约束条件、内河弯道水域船舶操纵模型建模、差分进化算法求解、解码算法解码，这样可以得到返回转向角度和转向时机，最好根据内河船舶运动模型模拟运动判断是否到达目标点，并决定是否退出训练模式[2]。

2 路径规划船舶操纵系统避障自适应控制方法

2.1 船舶操纵性影响因素

船舶操纵性主要受船舶参考安全距离、地理环境等因素影响，其中船舶参考安全距离需要根据船舶领域的边界、航程、航向线夹角、航速、航行时间计算，这样才能根据船舶转向所用时间、船舶转向所用航程、航速等参数得到静态路径规划中的船舶参考安全距离。地理环境不同则选取的转向舵角、船舶速度也存在一定差异，具体需要根据海图信息进行调整。

2.2 栅格法算法路径规划

栅格法算法路径规划按照方位将其分为东南、东北、西南、西北、东、西、南、北八个方位，根据编号规则确定障碍物位置，并且根据工作环境边界判断船舶能否通过障碍物。栅格法算法可以将整个区域划分为m×n 的网格，网格划分越细致，则障碍物位置和边界区域确定越精准[3]

2.3 改进栅格法算法路径规划

改进栅格法算法路径规划将传统栅格法算法和人工势场法相互结合，充分发挥了人工势场法需要的信息量少、易于实现、表达式简单、数学分析简单、计算复杂度低的优点，同时根据船舶参考安全距离对障碍物影响大小进行确定，最终即可规划最佳避障路径，与传统栅格法算法相比避障操作的复发性大大降低，有效避免了船舶避障操纵过多的劣势。人工势场法的原理是赋予障碍物引力和斥力，根据船舶与障碍物之间的距离自动判断调整引力和斥力大小，并且根据引力和斥力大小调整船舶操纵系统，使其利用斥力场和引力场自动对障碍物做出规避。船舶操纵性难度较大，船舶排水量越大则操纵难度越高，因为排水量与船舶惯性直接相关，惯性越大则船舶操纵的时滞性越强，实际操纵过程中若操纵转向过大或路径过长均会增加操纵风险，操纵转向越小、路径越短则规避障碍物越简单。因此，改进栅格法算法路径规划的核心是在保持船舶稳定的情况下，尽量以低频率操舵和小转向角完成障碍物规避，传统的8 方向栅格可以向16 方向栅格发展。

2.4 路径规划船舶操纵系统避障自适应控制实现

一是船舶操纵人员应该基于电子海图栅格化处理，通过栅格法算法规划全局路径，筛选出辅助子目标点。二是以子目标点进行引导，通过改进势场栅格法进行路径规划，判断子目标点是否为障碍物，若存在障碍物则确定下一个子目标点，并以子目标点进行引导再次对改进势场栅格法进行路径规划。三是选择无障碍物的子目标点，船舶到达子目标点后确定是否为航行终点。若未到达航行终点，则继续以子目标点进行引导，通过改进势场栅格法进行路径规划，直到船舶通过一个又一个子目标点到达航行终点。

3 全驱动船舶操纵系统避障自适应控制方法

3.1 全驱动船舶操纵的影响因素

全驱动船舶操纵主要受旋回性、改向及抑制性、初始旋回性、停船性等因素影响。其中旋回性受进矩、旋回初径等因素影响；改向及抑制性受第一超越角、第二超越角等因素影响；初始旋回性受船首向第一次改变因素影响；停船性受航迹进矩、纵向进矩等因素影响。若再将船舶行进过程中的风浪因素考虑其中，则还需要分析船舶前进速度、船舶重心相对于当前位置的航向角、船舶横移速度、船舶旋回性指数等因素的影响[4]。

3.2 全驱动船舶操纵系统的避障目标

船舶航行位置和方向误差受风、浪、流的影响，海上船舶的惯性矩阵和阻尼矩阵对航行方向的误差较小，而且可以根据海上船舶的重量和排水量计算其非线性阻尼系数的影响，该因素的影响也可以忽略不计。实际全驱动船舶操纵系统的避障目标应该考虑的因素是船舶惯性系数、阻尼系数、推进系数、转角力矩参数量等因素，因此需要根据以上因素确定全驱动船舶操纵系统的避障目标，即确定船舶航行速度、航行方向、前进速度、角速度。

4 无人船舶操纵系统避障自适应控制方法

4.1 仿人智能安全驾驶系统

仿人智能安全驾驶系统在规划航线时必须了解海图信息、气象信息等资料，电子海图数据格式分为矢量格式和栅格方式，矢量格式的电子海图可以采用加密方法减少其存储占用，这样在使用过程中直接调用海图信息即可减少海图失真问题出现，目前最常用的电子海图加密方法为S-63、S-57 标准。S-57 电子海图物标的标识属性主要包括特征物标、空间物标两种情况，其中特征物标主要包括元物标、制图物标、地理物标、集合物标；而空间物标主要包括矢量、光栅、矩阵，矢量包括结点坐标、边坐标、面，结点坐标通过孤立结点、链接结点分别与面和边坐标相互连接。无人船仿人智能安全驾驶系统避障自适应控制方法主要采用最佳优先搜索算法、深度优先搜索算法进行路径规划，在栅格化的海图中能够通过人工智能技术规划出规避陆地、礁石、浅水区等障碍物的最佳航线。传统算法下的仿人智能安全驾驶系统航线存在航线转向点过多、偏航安全距离大等缺点，可以通过引入自动偏航报警系统在航线超出特殊区域边界的情况下进行报警提醒。

目前可以采用船舶自动识别系统利用雷达对障碍物进行探测和定位，但是雷达的缺点是容易受到环境的影响，若外界环境因素比较复杂则容易出现假回波信号让船舶操纵系统误以为存在障碍物。因此，实际航行中可以对雷达和仿人智能安全驾驶系统进行融合，通过时空统一、航机关联的方法将各自的卡尔曼滤波信息融合到一起，以提高航机数据信息的准确性。仿人智能安全驾驶系统主要由电源、内存、工控机、主板、传感器接口、存储硬盘等硬件设施组成，其主要功能主要分为全局航线自动生成模块、信息融合模块、自主避障算法模块。仿人智能安全驾驶系统操纵人员通过电子海图栅格化、全局航线规划即可确定航线转向点、局部目标点、动态感知外部环境信息，最终根据仿人智能安全驾驶系统自主避障算法模块做出自主避障操作，并判断局部目标点是否为终点，直到船舶达到目的地。

4.2 导航强化学习控制系统

导航强化学习控制系统主要依托神经网络算法对无人船舶的航向进行控制，迹偏差主要影响因素为船舶与航线段之间的垂直距离差、航线段的航线角、船舶的漂角。该系统主要利用航向控制器进行航海计算、构建期望航向、强化学习、计算风浪流干扰，进而避免船舶操纵受到惯性、时滞性的影响。导航强化学习控制系统主要包括船舶运动模型、航海计算工具箱、自动控制器、仿真系统主框架，其中仿真系统主框架功能包括电子功能、航线设计功能、设置功能、显示功能、记录和回放功能、方位距标圈工具、控制模块接口、系统界面等[5]。

4.3 航行经验规则避碰系统

航行经验规则避碰系统需要在航线区域检测到静态障碍物、与其他船舶航线重叠时、避让距离过短时存在碰撞风险，实际避让中应该采取最小夹角经验操纵原则，在计算目标航路点舷角后向夹角方向转向，若预估航向调整后仍然保持安全则可以在最小夹角下进行经验避让，若预估航向调整后不安全则应该保持原有航向不改变。航行经验规则避碰系统可以根据深度竞争学习算法对船舶操纵动作对环境的影响进行判断，通过航行经验判断预估船舶操纵动作是否安全，该算法学习时间越久则航行经验越丰富，最终对避碰操纵行为的判断越准确。航行经验规则避碰系统主要可以得出直接驶向目标、避让危险、避让驶向目标三种操纵动作，深度竞争学习算法可以根据计算得到最优避让路径，其中海图栅格化越精准则精度越高，实际避碰中对遇局面、追越局面、交叉会遇局面比较常见，该算法应该主要对以上三种局面进行深度学习，增加航行经验。

5 结论

综上所述，复杂动态环境下船舶操纵系统避障自适应控制方法主要利用各类算法对内河弯道水域、海域航行过程中的障碍物避让操纵动作和路线进行规划，确保船舶与静态障碍物、其他船舶不会发生相撞事故，人工智能技术、通信信息计算与船舶操纵系统结合得越紧密，则该系统的安全性、有效性越高。