无人帆船循迹航行的控制研究

提出一种适用于无人帆船循迹航行的控制器,并应用于一条1.5m长风帆艇的湖上航行测试。该控制器包含三个独立模块,局部路径策略模块决定帆艇的转向过程;帆自动控制模块根据帆位角和相对风向角的对应关系获取最佳推进力;舵自动控制模块基于从航海经验中提炼的245条模糊控制规则实现航迹调整。1.5m帆艇的湖上测试结果表明,该控制器在多种风场条件下都可有效完成帆艇的循迹航行,具有在无人帆船上实现长程航行的应用前景。     

自主航行船舶控制系统架构与关键技术

随着大数据、物联网和人工智能技术的发展,近几年自主航行船舶(无人船)研究成为行业研究的热点.MUNIN项目是最早研究无人商船的项目[1-3],该项目研究并验证了自主航行商船的概念和可行性.MUNIN项目引起了多方对自主航行船舶的广泛关注.挪威建立了世界上第一个自主航行船舶测试区,成立了自主航行船舶论坛NFAS[4].Rolls-Royce公司公布了由其引领的"高级无人驾驶船舶应用开发计划"(AAWA)项目[5-6]研究无人船舶,主要研究感知系统(Intelligence System),近期在挪威开展了自主航行船舶的测试[7].Kongsberg公司已经完成了自主航行船舶的水池测试,并且与氮肥料厂商合作开发一条自主航行船Yara Birkeland[8],并与挪威航运巨头威尔森集团成立了自主航行船公司Massterly[9].     

无人艇自主避障算法设计与仿真

文章针对无人艇全局路径规划航线上可能存在未知静态障碍物,影响其安全航行的问题,提出加装超声波传感器和罗盘,分别用于测量无人艇航行过程中与障碍物的距离信息和偏航角,作为无人艇运动控制器的输入。同时设计了包含岸基和船载的无人艇运动控制系统,采用模糊控制算法实现自主避障功能,依靠专家经验制定无人艇运动控制规则,依据航速和传感器探测距离设计隶属度函数,Matlab仿真路径有效避开了障碍物,得到了安全的航行路径,验证了算法有效性。     

Obstacle avoidance of unmanned ship swarm based on virtual navigator and improved Hooke's law北大核心CSCD

[目的]针对无人船集群规避障碍物的问题,提出一种基于虚拟领航者和改进胡克定律的弹性集群编队控制方法。[方法]首先,根据障碍物的长和宽得到其外接椭圆,按照长宽比向外扩展出虚拟碰障区、避障反应区、自由航行区,实现水面避障物模型的简化;其次,基于虚拟领航者和改进胡克定律,对编队各成员之间、各成员虚拟领航者之间的相对距离和速度予以约束,采用坐标形式设置编队队形,构建弹性编队模型,并基于障碍物的环形斥力场来实现单无人船的避障,以及在弹性集群编队的组织下实现无人船集群的避障;然后,通过优化处理无人船的航行过程,消除编队及避障过程中的“徘徊”和“振荡”等现象,使各无人船的运动更加平滑;最后,运用Matlab软件对由4艘无人船组成的集群编队进行仿真实验。[结果]实验结果表明,编队可成功绕过设置的所有障碍物,验证了所提方法的有效性和可行性。[结论]该方法可实现无人船集群对水面障碍物的规避,具备在一定复杂环境下的通过能力,可为无人船集群避障的应用及研究提供参考。     

动态人工势场法的无人船避障路径规划

为了保证无人船安全行驶,设计动态人工势场法的无人船避障路径规划方法。该方法的全局路径规划部分依据航行环境信息构建栅格地图后,采用A^*算法规划无人船的全局路径,并获取无人船的全局路径节点;局部避障路径规划部分将该路径节点作为局部路径的开始节点,利用动态人工势场法规划无人船避障路径。为保证路径规划效果,采用长短记忆循环神经网络和强化学习算法相结合的方式改进动态人工势场法,确保在障碍物运动速度较快时,依旧能够可靠完成无人船避障路径规划。测试结果显示：该方法可完成无人船全局最优路径规划,并有效完成局部避障路径规划,无人船和障碍物的会遇距离和会遇时间分别大于4.26 m和大于15 s,碰撞危险度极低,满足应用标准。     

基于模型预测控制的无人帆船轨迹跟踪方法

[目的]面向无人帆船在水面、水下跨域异构海洋机器人的协同作业场景,提出基于模型预测控制（MPC）的无人帆船轨迹跟踪方法。[方法]针对“海鸥”号无人帆船,建立其动力学模型及运动学模型,通过分析无人帆船动力学特点及执行器约束条件,构建MPC目标函数及系统约束条件,将无人帆船的轨迹跟踪问题转化为优化问题,并利用Matlab软件开展仿真实验验证。[结果]仿真结果表明,与“帆–舵”分离的PID轨迹跟踪控制方法相比,所提出的无人帆船“帆–舵”联合MPC控制方法更便于添加约束条件,其在风向变化的情况下能以更小的轨迹跟踪误差来更快地收敛于指定轨迹,且其可以实现逆风折线航行。[结论]研究成果可为无人帆船的帆、舵控制提供新的思路,提高其轨迹跟踪能力,进一步为无人帆船与AUV的高效协同作业提供技术保障。     

基于改进人工势场的避障路径规划策略研究

随着战争形势的无人化、多样化和跨域化发展,水下无人航行器作为各军事强国抢占水下作战域和海洋不对称作战优势的主要抓手,在未来战争中发挥着越来越重要的作用。由于海洋非结构化环境的复杂性,水下无人航行器在执行任务过程中,需能够在无人干预情况下进行系列操作和任务决策。本文针对水下无人航行器局部路径规划,提出基于速度矢量判断的改进人工势场法的避障航路规划策略,通过增加障碍物斥力场范围,强化目标点附近的引力场,优化障碍物斥力系数,并通过速度矢量判断旋转方向,使得水下无人航行器能够结合环境感知信息进行路径实时调整,最终能够达到安全快速避障。最后结合航行器流体动力与运动控制一体化仿真模型进行仿真分析,验证提出算法的有效性。     

基于CFD的无人帆船襟翼帆空气动力研究

为推进无人帆船在海洋环境保护和资源勘测等方面的应用，为一款海上自动航行帆船设计了风帆结构，并进行气动性能分析。建立无襟翼帆、分离式襟翼帆和嵌入式襟翼帆3种翼帆模型，通过Fluent软件进行计算流体力学（CFD）计算分析，比较3种风帆的气动性能，分析变角度襟翼帆对风帆气动性能和对帆船推力提升理论的影响规律。结果表明，嵌入式襟翼帆对无人帆船风帆整体的气动性能具有提升的作用；随着襟翼帆偏转角的增大，风帆的升力系数和升阻比随之增大、帆船的推力系数明显增强，对帆船性能的提升具有较优的影响，促进无人帆船在推力提升方面的研究。     

基于模糊避障的无人艇控制系统的实现

自动避障是无人艇智能完成水面作业任务的一项能力。采用超声波测距传感器探测无人艇周围环境中的障碍物距离参数,GPS定位无人艇的当前位置,罗盘判断无人艇的偏航角,幵将这些作为模糊控制器的输入参数,提出一种基于模糊控制的实时避障算法,设计实现无人艇自主避障的功能。该算法通过MATLAB仿真,验证了模糊控制算法的有效性和可行性。     

基于改进人工势场法的欠驱动无人艇避障

针对欠驱动无人艇水面避障任务中使用人工势场法避障时存在期望避障航向角变化过大，引起无人艇避障轨迹摆动大的问题，提出引入自衰减斥力场的改进人工势场方法，解决期望航向角突变和抖动的问题。改进方法通过叠加环绕斥力克服了局部极小点问题，利用自衰减斥力的特性，使无人艇避障斥力变化平缓，避免了无人艇靠近障碍物后期望避障航向角急剧变化，优化了避障轨迹。进行多组湖面试验，测试该方法的效果，并对比传统方法与改进方法在相同避障场景下的避障轨迹。结果表明，改进方法的避障轨迹更加平滑，期望避障航向角变化平缓。     

多船会遇自主避碰算法

船舶碰撞事故不仅带来人员和财产的巨大损失，还造成了环境污染、资源浪费等严重后果。因此，船舶自主避碰技术已成为当前船舶与航运领域研究的热点问题。提出了一种满足COLREGs避碰规则的多船会遇自主避碰算法，以经典速度障碍法为基础设计自适应采样避碰轨迹生成算法，并应用运动基元理论对避碰轨迹进行调整，使轨迹满足船舶操纵性约束条件。针对案例三体船模型，完成了多船会遇场景下的船模自主避碰航行试验，验证了所提算法的有效性和实用性，对船舶自主避碰系统的研发具有重要借鉴意义。。     

无人帆船短途路径规划研究

针对无人帆船短途路径规划问题提出速度最优法,并与传统的A*算法进行对比研究。两种方法的模拟计算结果对比,证明了速度最优法在短途路径规划的合理性,在逆风工况和风场变化频繁条件下明显优于传统A*算法。进一步的帆船模型湖上试验结果验证了速度最优法的实时性,与自动循迹控制程序具有良好的匹配性,可以满足无人帆船的短途航行要求。     

基于VPP帆板最佳航线的研究

根据最大推力原理计算各条航线的最大船速,计算出从起点到航段终点航行时间最短所对应的三角形的两个风向角,对最大船速和风向角进行回归,以求得最佳航线。     

基于强化学习的自主式水下潜器障碍规避技术（英文）

Obstacle avoidance becomes a very challenging task for an autonomous underwater vehicle(AUV) in an unknown underwater environment during exploration process. Successful control in such case may be achieved using the model-based classical control techniques like PID and MPC but it required an accurate mathematical model of AUV and may fail due to parametric uncertainties, disturbance, or plant model mismatch. On the other hand, model-free reinforcement learning(RL) algorithm can be designed using actual behavior of AUV plant in an unknown environment and the learned control may not get affected by model uncertainties like a classical control approach. Unlike model-based control model-free RL based controller does not require to manually tune controller with the changing environment. A standard RL based one-step Q-learning based control can be utilized for obstacle avoidance but it has tendency to explore all possible actions at given state which may increase number of collision.Hence a modified Q-learning based control approach is proposed to deal with these problems in unknown environment.Furthermore, function approximation is utilized using neural network(NN) to overcome the continuous states and large statespace problems which arise in RL-based controller design. The proposed modified Q-learning algorithm is validated using MATLAB simulations by comparing it with standard Q-learning algorithm for single obstacle avoidance. Also, the same algorithm is utilized to deal with multiple obstacle avoidance problems.     

基于避碰声呐的远程鱼雷水下自主障碍规避算法研究

伴随着航程可达上千千米的远程鱼雷的出现,对鱼雷远程航渡过程中自主规避可能出现的障碍物提出新要求。本文以某型远程鱼雷为背景,基于模糊控制方法,提出一种基于避碰声呐的远程鱼雷自主避障算法,提出规避障碍物的规划,并通过计算模拟避碰声呐探测信息,在仿真平台上对该算法进验证,结果表明运用该算法远程鱼雷能利用自身携带的前视避碰声呐探测到障碍物,并通过障碍规避算法控制鱼雷航行规避障碍物时,本文提出的障碍规避算法可以引导鱼雷规避障碍物,到达设定的目标点。     

基于模糊综合评价的帆船行驶最优路径规划方法

路径规划是帆船比赛取胜的重要环节。综合栅格法和模糊概念,提出了基于模糊综合评价的帆船行驶最优路径规划方法。该方法采用栅格法建立帆船航行的二维平面信息,以模糊逻辑为基础,结合帆船的运动信息建立帆船在运动平面上的二维隶属函数模型,并采用模糊综合评价思想,综合考虑行驶速度和接近目标2个因素建立综合评价函数,进行行驶方向决策。利用宽度优先搜索算法实现全局最优路径搜索。仿真结果证明,该路径规划方法能够取得较好的规划结果,对指导帆船运动员进行科学训练有很好的应用价值。     

智能船舶的反应型避碰规划研究

对于多船会遇场景而言，在反应型避碰规划中考虑操船者意图具有明显的优越性，可在紧迫局面下更合理地执行《1972年国际海上避碰规则》（即COLREGs）的背离规则。对此，提出一种基于隐马尔可夫模型的操船意图预报方法，将生成的目标船意图预报结果与经典速度障碍法相融合，产生更合理的碰撞危险评估结果，据此建立的反应型避碰规划算法比经典速度障碍法更安全。依托案例三体船完成的自主避碰试验，验证所提改进算法的有效性、可靠性和实时性，为智能船舶的自主避碰研究提供参考。     

基于虚拟力场法的船舶避障功能的实现

为了实现船舶的避障,应用虚拟力场法建立了避障模型,描述了目标点的虚拟引力和障碍物的虚拟斥力之间的关系,运用Move_to_goal和Avoid_obstacle行为设计,实现了从船舶运动坐标值到控制量的转变,从而导出船舶避障实现算法流程,使船舶能够实时地避开障碍最后到达目标点.结果证明,船舶能够在多变的周边环境中实现避障功能.