程 宇，付悅文，李 魯

（1.海軍裝備部駐武漢地區(qū)第五軍事代表室，武漢 430000；2.江蘇自動化研究所，江蘇 連云港 222000；3.中國船舶工業(yè)貿(mào)易有限公司，北京 100000）

0 引言

無人水面艇具有成本低、體積小、航時長、速度快、智能化等優(yōu)點，已經(jīng)成為當今軍事和民用領域發(fā)展的重點，特別是軍事領域［1］。國內(nèi)外學者對無人艇技術的研究較為全面，尤其在無人艇相關算法研究成果較為豐富，但是對仿真系統(tǒng)環(huán)境研究較少，普遍為單一特定功能，結構較為簡單，未結合實際應用場景［6］。本文所研究的自主航行仿真系統(tǒng)具有全局航路、無人艇操縱性運動模型、環(huán)境信息、避障和航行控制等功能模塊，提供了相對完備的自主航行仿真系統(tǒng)，系統(tǒng)可實現(xiàn)模擬無人艇水上航行運動和環(huán)境信息，支持無人艇探測巡邏、目標跟蹤等任務推演，也可回放實海域歷史數(shù)據(jù)，為無人艇提供算法調(diào)試環(huán)境、數(shù)據(jù)分析處理功能等，為無人艇開發(fā)和試驗提供一個多功能的仿真驗證平臺，可以有效減少海上調(diào)試試驗周期，為海上試驗做好充分保障和準備。

1 無人水面艇自主航行控制仿真系統(tǒng)方案

無人水面艇自主航行控制仿真系統(tǒng)數(shù)據(jù)通信方案的流程如圖1 所示，各模塊之間主要通過UDP協(xié)議進行數(shù)據(jù)通信。

圖1 無人水面艇自主航行控制仿真系統(tǒng)通信方案Fig.1 Communication scheme of autonomous navigation control simulation system of USV

無人水面艇自主航行控制仿真系統(tǒng)流程方案如圖2所示，顯控模塊顯示規(guī)劃航路、無人艇導航信息、航行態(tài)勢信息等，環(huán)境信息模塊實時地輸出周圍航行目標信息至避障和全局規(guī)劃，全局規(guī)劃航路輸出至避障和航行控制模塊，避障對航行態(tài)勢進行安全評估，若發(fā)生航行安全，進行避障規(guī)劃，根據(jù)當前情況輸出避障解算的期望航速、航向以及規(guī)劃航路傳給航行控制模塊，航行控制模塊根據(jù)規(guī)劃航路、期望航速、航向輸出相應的舵角、油門傳給無人水面艇模型，無人水面艇操縱性運動模型根據(jù)舵角、油門和環(huán)境干擾，實時輸出當前的姿態(tài)和位置信息給到避障模塊，直到任務結束。

圖2 無人艇自主航行控制仿真系統(tǒng)流程方案Fig.2 The process scheme of autonomous navigation control simulation system of USV

2 無人水面艇自主航行控制仿真系統(tǒng)構成

2.1 顯控模塊

2.1.1 地圖顯示

顯控模塊是在開源柵格地理數(shù)據(jù)庫GDAL和開源跨平臺開發(fā)框架Qt 的基礎上實現(xiàn)的。遙感圖像一般較大，無法全部讀入內(nèi)存，結合Qt 的圖形視圖框架，可以只讀取當前視圖內(nèi)對應的圖像數(shù)據(jù)，并完成顯示圖像功能，減少計算機的內(nèi)存消耗，提高計算資源的利用效率。另外，遙感圖像除了包含原始的光柵數(shù)據(jù)外，還包含一些與之相關的信息，如圖像尺寸、波段數(shù)、空間投影信息等，在使用GDAL函數(shù)讀取圖像數(shù)據(jù)之前，可以先將這些信息讀取出來。遙感衛(wèi)星地圖相比海圖具有更清晰直觀的顯示效果、更低的價格成本以及開發(fā)時間，同時顯示范圍更大，也可支持內(nèi)河的顯示。針對實際環(huán)境中存在的固定礙行區(qū)可導入實海域試驗數(shù)據(jù)進行標注，或?qū)胂闰灨呔燃す饫走_探測生成的柵格地圖，基本滿足無人艇仿真環(huán)境的功能實現(xiàn)，因此，采用了遙感衛(wèi)星地圖，如下頁圖3所示，為日照帆船基地港口地圖。

圖3 顯控界面圖Fig.3 Display and control interface

遙感圖像數(shù)據(jù)集的地理參照坐標系統(tǒng)采用WKT 描述，GDAL 使用仿射坐標系來描述遙感圖像像素坐標與地理坐標之間的關系，如式（1）所示。

2.1.2 全局航路規(guī)劃

A*算法又稱為啟發(fā)式搜索算法［3］，適用于在空間內(nèi)對已知起點至終點最小代價路徑的求解，航路規(guī)劃選用A*規(guī)劃算法時，對其規(guī)劃空間進行網(wǎng)格化，網(wǎng)格密度越高，規(guī)劃精度就越高，計算量和運行時間也就越大，一般根據(jù)實際需求進行網(wǎng)格密度設定，網(wǎng)格數(shù)據(jù)填入網(wǎng)格中心點的經(jīng)緯度以及網(wǎng)格坐標，通過計算代價函數(shù)計算最優(yōu)代價航路。代價函數(shù)中加入啟發(fā)函數(shù)，使得規(guī)劃更有目的性，更快速地到達終點目標，避免遍歷所有節(jié)點，從而提高搜索效率。A*算法的代價函數(shù)組成如下：

其中，f（n）為在節(jié)點n的總代價；g（n）是從初始節(jié)點到當前節(jié)點n的實際代價；h（n）是從當前節(jié)點到目標節(jié)點的估計代價，因為h（n）為啟發(fā)函數(shù)，當函數(shù)h（n）滿足條件時，如式（3）所示，A*算法存在最優(yōu)解且是唯一解。

其中，h*（n）是節(jié)點n到目標節(jié)點的真實最小代價。

在柵格化的搜索空間中，A*算法通過計算當前節(jié)點代價與到周圍節(jié)點的代價之和，選取周圍最小代價的節(jié)點加入到集合中，作為下一節(jié)點進行擴展，同時更新代價函數(shù)，繼續(xù)下一輪的擴展計算，直到找到滿足式（3）條件的節(jié)點為止。A*算法的基本流程：首先建立open 表和close 表，當前節(jié)點周圍可通行點存放在open 表中［10］，已經(jīng)訪問過的節(jié)點存放在close表中，open表為優(yōu)先隊列，升序排列，隊列中第1 個節(jié)點為最優(yōu)節(jié)點，并將其放入close 表中存放，同時作為下一步的起始節(jié)點，當搜索到目標點或者open表為空時搜索結束。A*算法流程圖如圖4所示。

圖4 A*算法流程圖Fig.4 A*algorithm flow chart

A*規(guī)劃的路徑點相隔過密且折線較多，不適合直接作為無人艇的航路，可對其原始規(guī)劃航路進行優(yōu)化，剔除多余航路點且不影響航行安全，將折線變?yōu)橹本€，保證不會出現(xiàn)鋸齒階梯狀規(guī)劃航路，路徑光順度提升，符合無人艇航行控制的要求，有利于無人艇任務執(zhí)行。本文采用的優(yōu)化方法為：規(guī)劃路徑點中選取連續(xù)點Pi、Pi+1、Pi+2，若Pi與Pi+2之間的連線不穿過任何障礙物，則刪去Pi+1；然后，連續(xù)判斷Pi與Pi+2后續(xù)節(jié)點連線，連線不碰撞任何障礙物，則刪去Pi+2；依次類推，直到Pi與后續(xù)節(jié)點直連穿過障礙物，并選取后續(xù)3 個節(jié)點賦值給Pi、Pi+1、Pi+2點，重復上述操作，直到遍歷完規(guī)劃路徑點。

2.1.3 任務推演

任務推演是任務規(guī)劃系統(tǒng)的主要功能之一，它是銜接任務規(guī)劃和任務執(zhí)行的重要環(huán)節(jié)之一。當完成任務規(guī)劃后，通過任務推演系統(tǒng)對將要進行的任務航路，通過本文的仿真系統(tǒng)進行動態(tài)反復的預先演示。通過演示結果，評判任務規(guī)劃的合理與否，并進行任務的調(diào)整。在提前預設的偵察背景下，根據(jù)任務規(guī)劃中預先設定的任務以及航路，對有可能影響任務執(zhí)行結果的不同關鍵環(huán)節(jié)進行連續(xù)重復的演練、調(diào)整，直到滿足任務執(zhí)行的條件。

本仿真系統(tǒng)基于無人艇的功能需求，對其任務進行設計，以任務規(guī)劃為基礎，設計具備包括警戒巡邏、疑似目標跟蹤或伴行、返航航行、定點搜索、目標確認等任務場景的推演能力，可輔助人員確認任務執(zhí)行的合理性，圖5為某區(qū)域巡邏任務規(guī)劃。

圖5 巡邏任務規(guī)劃Fig.5 Patrol mission planning

2.1.4 數(shù)據(jù)回放

將從無人艇實海域測試網(wǎng)絡采集記錄得到的網(wǎng)絡包通過網(wǎng)絡仿真系統(tǒng)數(shù)據(jù)回放功能在地面實驗室環(huán)境下進行分析回放，可以真實再現(xiàn)艇上航行數(shù)據(jù)狀態(tài)及網(wǎng)絡狀態(tài)，從而不需要在艇載軟件開發(fā)調(diào)試過程在艇上與設備連接，同時也可以回放真實場景用來測試自主航行算法軟件，縮短了算法軟件調(diào)試開發(fā)時間，有效節(jié)約試驗資源，提高軟件開發(fā)集成效率。主要利用WinPcap 提供的API 函數(shù)，對無人艇上交換機設備采集的pcap 格式IENA 網(wǎng)絡包進行解析回放，數(shù)據(jù)回放功能主要包括：

1）數(shù)據(jù)回放功能：能夠打開保存到本地的歷史網(wǎng)絡報文數(shù)據(jù)包，將數(shù)據(jù)包存儲的網(wǎng)絡報文按照時間順序通過網(wǎng)絡回放發(fā)出。

2）報文方案設定功能：具體數(shù)據(jù)添加、修改、系數(shù)、刪除、導入等功能，根據(jù)外部提供正確數(shù)據(jù)包添加界面顯示等操作。

3）報文解析功能：根據(jù)添加或?qū)霐?shù)據(jù)包信息，解析正確數(shù)據(jù)包，并可查看解析后數(shù)據(jù)包格式等信息。

4）視頻解析功能：根據(jù)正確視頻數(shù)據(jù)包格式，選擇性轉(zhuǎn)換需要視頻格式播放。

2.2 無人艇操縱性運動模型模塊

在復雜環(huán)境外力作用下，無人艇為六自由度運動，為了降低計算量和系統(tǒng)復雜度，縱蕩、橫蕩、艏搖的影響可以忽略，采用MMG 分離建模［9］，建立以下三自由度無人艇操縱性運動方程：

式中，x為橫坐標；y為縱坐標；u為縱向速度；v為橫向速度；r為艏向角速度；ψ為艏向；m為質(zhì)量；Izz為轉(zhuǎn)動慣量；xg為中心重心距；[XH YH NH]為水動力；[XP YP NP]為推力；[XR YR NR]為舵力；[XE YE NE]為外力；外力主要由風、浪、流3種環(huán)境力組成，其中

2.3 環(huán)境信息模塊

無人艇仿真系統(tǒng)中環(huán)境信息模塊主要分為內(nèi)部和外部信息，內(nèi)部信息主要包括人工設置或模擬傳感器信息以及環(huán)境干擾信息，外部信息包括無人艇實海域錄取的傳感器數(shù)據(jù)信息，通過數(shù)據(jù)回放實現(xiàn)數(shù)據(jù)場景重現(xiàn)。

2.3.1 內(nèi)部模擬信息

1）人工設置障礙物

通過仿真系統(tǒng)可設置靜態(tài)多邊形障礙物、動態(tài)多邊形障礙物、禁航區(qū)域、隨機障礙物、目標等對無人艇自主航行過程進行人工約束，其中，障礙物可設置其位置、大小、屬性、運動速度、方向等，為無人艇自主航行仿真提供不同的測試場景和航行需求，同時也支持典型場景的任務設定。

2）感知模擬器

模擬無人艇航行過程中對目標的探測能力，周圍存在的目標通過模擬器探測感知獲得，獲得的感知數(shù)據(jù)均輸出到數(shù)據(jù)融合功能模塊中，不斷測試數(shù)據(jù)融合軟件的穩(wěn)定性和準確性，更能較為準確模擬實際環(huán)境中的系統(tǒng)狀態(tài)。

導航雷達模擬器2 s 扇掃一次設定范圍內(nèi)的目標，雷達盲區(qū)為100 m，設置20%的隨機虛假目標，同時對雷達數(shù)據(jù)加入隨機噪聲，更為真實地模擬實際雷達數(shù)據(jù)。雷達數(shù)據(jù)主要包括批號、位置、速度、航向、反射面積、DCPA、TCPA。

激光雷達模擬器一秒一次更新周圍200 m 以內(nèi)目標信息，輸出目標信息為點云聚類處理后的數(shù)據(jù)，主要包括目標距離、方位、航速。

光學識別模擬器的視角可設置，一秒一次更新光學視角范圍內(nèi)的識別目標，逐一地對雷達提供的目標信息進行識別確認，同時給出目標屬性，對識別后目標不再進行確認。

3）環(huán)境干擾信息

無人艇所處的海洋環(huán)境復雜，易受到周圍環(huán)境影響，針對環(huán)境干擾力所帶來的問題，建立海洋環(huán)境干擾模型，主要考慮風、浪、流3個方面的干擾。

a）風力模型

風對船舶的影響主要作用在船舶水線以上的船體，從而影響船舶的姿態(tài)。風的作用大小由風速、風向決定，其公式如下：

式中，ρa為空氣密度；Ar、AL為水線以上船體的正投影面積和側投影面積；L為船長；VW為相對風速；CWX、CWY和CWN為風力系數(shù)。

b）浪力模型

波浪對船體的干擾力一般分為兩種，一種是一階波浪力，也稱高頻干擾力，其主要由高頻小幅波浪產(chǎn)生，與波高成正比，影響船舶的艏向；另外一種是二階波浪力，也稱波浪漂移力，與波高的平方成正比，影響船舶的航跡。這里考慮二階波浪力，其公式如下：

式中，ρw為水密度；g為重力加速度；L為船長；為波長；hw為有義浪高；θ為波浪遭遇角；CXW（）、CYW（）和CNW（）為漂移力系數(shù)。

c）流力模型

對于流對船舶運動干擾的計算，一般考慮恒值海流下的運動模型。一般情況下，流對船舶作用力計算與風的計算相似，其公式如下：

式中，ρC為流體密度Afw、Asw分別為水線以下船體的正投影面積和側投影面積；β為漂角；L為船長；VC為流速；CX（β）、CY（β）和CN（β）為流的作用力矩系數(shù)。

2.3.2 外部信息

外部輸入信息主要包括實海域錄取的傳感器設備網(wǎng)絡報文數(shù)據(jù)，通過回放軟件，將網(wǎng)絡報文接入到仿真系統(tǒng)中，實時的態(tài)勢信息主要包括導航雷達信息、AIS 信息、光學識別信息、激光雷達信息，在仿真系統(tǒng)中，通過實海域態(tài)勢對無人艇自主航行控制算法進行測試，更具可靠性和適用性，有利于實艇算法的移植和實用性測試。

2.4 航行控制模塊

航行控制模塊主要解決3 個方面的技術問題：航向、航速和航路跟蹤的控制問題，擬將技術分為3層功能實現(xiàn)。

1）導引層根據(jù)任務航路對無人艇位置進行約束，驅(qū)動無人艇收斂在期望航路上，解算生成導引控制指令，發(fā)送至控制層。

2）控制層根據(jù)導引層生成的航速航向控制指令，通過控制算法解算，生成執(zhí)行機構控制指令，發(fā)送至執(zhí)行層。

3）執(zhí)行層根據(jù)執(zhí)行機構控制指令，生成匹配的動力指令，發(fā)送至無人艇操縱性模型模塊中，實現(xiàn)轉(zhuǎn)向和速度的改變，繼而更新無人艇的導航信息。

由此，航行控制模塊的導引、控制、執(zhí)行3 個功能流程中如圖6 所示，對每個功能層進行算法針對性設計，在航速控制、航向控制、航路跟蹤中分別采用滑模—神經(jīng)網(wǎng)絡控制算法（SMCNN）、自抗擾控制算法（ADRC）、LOS 航路跟蹤算法，為無人艇自主航行提供基礎。

圖6 航行控制結構圖Fig.6 Navigation control structure chart

視線（line of sight，LOS）算法是一種常用的無人艇航路跟蹤控制算法［4］，具有不依賴于模型、參數(shù)少、抗干擾強等特點，應用范圍較為普遍。LOS通過計算當前航線上的導引點［5］，引導無人艇向?qū)бc航行，從而驅(qū)動無人艇收斂于規(guī)劃航路上。

圖7 為基于LOS 導引的無人艇航路跟蹤原理圖，坐標系為北向坐標系，α為當前航路AB 的方向，θ為無人水面艇的航向，β為漂角，ψ為期望航向，u（t）為無人艇航速，h為水面無人艇當前位置PUAV到在航路上投影點PT的距離［7］，Δ（t）為前視距離，與無人艇當前航速和跟蹤誤差有關，是點PT到導航點PLOS之間的距離。本文在原有LOS 算法的基礎上進行改進［12］，加入對外部環(huán)境干擾觀測，對視線角計算進行補償，It為自適應補償項；同時考慮無人艇高速收斂航路過程中出現(xiàn)震蕩問題，加入微分環(huán)節(jié)，其中，dh為跟蹤誤差的微分，λ、λ1、kp、ρ、Δcst為可調(diào)參數(shù)，Δmin為常值，通常設定為1.5 倍艇長，由公式求得：

圖7 基于LOS導引的無人艇航路跟蹤原理圖Fig.7 Schematic diagram of route tracking for USV base on LOS guidance algorithm

無人艇在高速航行時，水動力所產(chǎn)生的動升力能將艇體上抬，艇體抬起后，阻力降低，尤其是興波阻力大量降低。這樣的航行特性使其阻力非線性特性明顯，縱向運動比常規(guī)排水船要復雜，阻力參數(shù)隨運動狀態(tài)變化較大，模型參數(shù)隨時都在變化［8］，因此，很難對其進行精確建模，而且外界環(huán)境干擾的不確定性，常規(guī)的PID 控制方法難以對這種不確定非線性系統(tǒng)得到較好的控制效果。

針對無人艇航行運動特點，仿真系統(tǒng)航行控制模塊中航向控制默認采用經(jīng)典自抗擾控制算法（ADRC），該控制算法分為跟蹤微分器（TD）、擴張狀態(tài)觀測器（ESO）、非線性狀態(tài)誤差反饋（NLSEF）3個模塊，進行非線性轉(zhuǎn)換，將非線性系統(tǒng)轉(zhuǎn)化為線性系統(tǒng)，實現(xiàn)動態(tài)系統(tǒng)的反饋線性化。跟蹤微分器將誤差進行平緩過渡，同時計算微分量；擴張狀態(tài)觀測器（ESO）的作用是估計系統(tǒng)狀態(tài)和不確定干擾的觀測估計值；利用安排非線性狀態(tài)誤差反饋（NLSEF）對系統(tǒng)狀態(tài)進行控制。無人艇航向易受到外界環(huán)境的干擾，自抗擾控制算法能有效地估計擾動和狀態(tài)值，補償干擾帶來的誤差。

航速控制采用滑?！窠?jīng)網(wǎng)絡相結合的控制算法（SMCNN），滑?？刂频膬?yōu)點是對干擾和模型動態(tài)具有很強的魯棒性，控制算法實現(xiàn)簡單，同時針對航速控制的特點，設計采用神經(jīng)網(wǎng)絡方法解決滑模抖振問題，將兩種算法結合設計了一種滑模—神經(jīng)網(wǎng)絡航速控制算法。

2.5 避障模塊

避障模塊主要分為反應式避障和動態(tài)規(guī)劃航路避障兩個模式，兩個模式可以隨時切換，算法模塊也可隨時替換，本文主要介紹反應式避障算法。海上航行需要遵守海事規(guī)則，尤其是兩船或多船會遇時，海事規(guī)則根據(jù)相對方位角來區(qū)分和定義會遇局面，主要分為3種會遇情況，如圖8所示。

圖8 無人艇會遇場景定義Fig.8 Definition of USV encounter scene

速度障礙法（velocity obstacle，VO）作為反應式避障算法中的應用較多的方法［2］，具有響應速度較快、計算量小的特點，因此，本文采用該算法設計無人艇避障模塊。當無人艇前端傳感器發(fā)現(xiàn)礙航物時，無人艇根據(jù)礙航物信息采用速度避障法進行規(guī)避，該算法的核心主要在無人艇的速度空間中，根據(jù)礙航物運動信息形成障礙物態(tài)勢區(qū)域，為無人艇和礙航物的預測碰撞區(qū)，對無人艇的速度進行適當改變，從而避免未來一段時間內(nèi)出現(xiàn)在預測避碰區(qū)，局面采取算法輸出一系列可航行無碰撞的速度向量，若發(fā)現(xiàn)障礙物為動態(tài)船只，則基于國際海事規(guī)則的同時結合船只的運動狀態(tài)，對航行會遇態(tài)勢進行決策判斷，分為對遇、左交叉、右交叉、追越4個會遇態(tài)勢，對遇局面采取右側避障的原則；交叉會遇采取從對方尾部避讓的原則，禁止從對方船艏通過；追越采取最優(yōu)原則，從靠近的一邊通過。根據(jù)上述海事規(guī)則、艇體操縱性、偏航距離等約束條件，結合最優(yōu)化算法計算，從可航行速度向量范圍中，得到一個最優(yōu)速度向量，作為無人艇下一時刻的期望速度向量。當判斷無人艇無碰撞危險之后，快速回歸到目標航路上。

建立動態(tài)障礙物的空間避碰模型［11］，如圖9 所示，其中，無人艇位于O點，當探測到周圍存在動態(tài)障礙物時，本艇采取轉(zhuǎn)向保速的方法對動態(tài)障礙物進行避障。首先對障礙物進行膨脹化處理，根據(jù)探測到障礙物大小信息向外膨脹1～2 倍船長做膨脹圓，從O點向膨脹圓做兩條切線［13］，切點為a、b點，VO為無人艇的速度，VT表示動態(tài)障礙物的速度，VR表示無人艇相對于障礙物的相對速度。若VR的速度方向在碰撞區(qū)∠aOb的范圍內(nèi)，則存在碰撞危險，需要調(diào)整無人艇航速航向從而改變相對速度方向遠離碰撞區(qū)。

圖9 無人艇避障原理圖Fig.9 Schematic diagram of obstacle avoidance for USV

無人艇進行動態(tài)避障的過程中，實時判斷是否可以回歸航路。如圖10所示，無人艇位于點0位置，點2為目標點，當前航路L由點1、點2組成，點0到航路L的垂點和點0到點2組成的角度范圍ψ=［θ1，θ2］，當范圍ψ在可航行安全航向范圍內(nèi)時，可以回歸航路。

圖10 航路回歸判斷示意圖Fig.10 Schematic diagram of judgment of return expectation of route

速度障礙法流程如圖11所示，具體步驟如下：

圖11 速度障礙法流程圖Fig.11 Flow chart of velocity obstacle avoidance method

1）艇載傳感器實時收取航行態(tài)勢信息，對周圍障礙物信息進行預處理；

2）對障礙物進行危險判斷；

3）根據(jù)航行態(tài)勢解算當前可航行安全航向和航速集合；

4）根據(jù)評價函數(shù)和最優(yōu)算法選取最優(yōu)航向和航速；

5）無人艇按照海事規(guī)則選取最優(yōu)的航向和航速航行；

6）實時判斷是否可以回歸航路，若是，進入下一步，否則返回第1）步；

7）無人艇復航，返回至目標航路。

3 自主航行仿真試驗

在項目算法開發(fā)測試的背景下，為了減少實海域自主航行算法調(diào)試試驗次數(shù)、提高試驗效率，提前在本文設計的仿真系統(tǒng)環(huán)境中驗證自主航行相關算法的可行性和可靠性，通過仿真試驗不斷優(yōu)化和改進算法以及模擬任務順利執(zhí)行，以下為無人艇全局航路規(guī)劃、自主避障、航行控制算法和任務推演的仿真試驗。

仿真試驗地圖為谷歌衛(wèi)星地圖，地圖位置為日照黃海近岸區(qū)域，仿真試驗以某中型無人艇為對象進行數(shù)學建模，具體參數(shù)如下頁表1所示。

表1 無人艇參數(shù)Table 1 Parameters of USV

環(huán)境干擾參數(shù)如表2所示。

表2 風浪流參數(shù)Table 2 Wind-wave-current parameters

全局航路規(guī)劃設置柵格大小為10 m*10 m，柵格地圖范圍5 km*5 km；無人艇自主避障無人艇航速為18 kn，航路中同時規(guī)避一個靜態(tài)一個動態(tài)障礙物，動態(tài)障礙物航速為10 kn，與無人艇進行左交叉航行，障礙物膨脹大小100 m，DCPA 閾值為300 m，TCPA 閾值為30 s；航行控制中跟蹤航路為直線和曲線的結合，航路跟蹤控制參數(shù)設置kp=0，ρ=2，λ=0.2，λ1=0.1，k=2，Δcst=20；航速航向控制算法對比仿真試驗均在相同環(huán)境參數(shù)條件下進行；目標跟蹤伴隨仿真實驗，人工設置目標航速為10 kn，無人艇起始航速為18 kn，與目標跟蹤距離為500 m，伴隨距離200 m，仿真試驗結果如圖12～圖13所示。

圖12 全局航路規(guī)劃Fig.12 Global route planning

圖13 全局航路規(guī)劃平滑處理Fig.13 Smoothing process of global route planning

圖12 全局航路規(guī)劃結果，設置了3 個預置障礙物；圖13 為對全局規(guī)劃的路徑進行優(yōu)化處理，可以看出經(jīng)處理后路徑點減少，更加平滑。

圖14為自主避障結果，同時規(guī)避了一個靜態(tài)和一個動態(tài)障礙物，可以看出無人水面艇在遇到靜態(tài)障礙物后能夠按照正確的方向進行避障，面對不遵守海事規(guī)則的船只也具備應急避障能力，遵守但不受限于海事規(guī)則。

圖14 自主避障Fig.14 Autonomous obstacle avoidance

圖15、下頁圖16 為目標跟蹤任務，圖17 為目標伴隨任務，無人艇正常巡航階段，人工設置待跟蹤目標，目標航向、航速、大小可根據(jù)需求設置，無人艇感知系統(tǒng)探測到目標，規(guī)劃跟蹤航路，快速抵進目標后方，若為目標跟蹤則維持設定500 m 的距離保持跟蹤，若為目標伴隨，則保持到目標右側200 m 位置，持續(xù)獲取目標的特征，供人員對其進行危險判斷。

圖15 抵近目標階段Fig.15 Approaching the target stage

圖16 目標跟蹤階段Fig.16 Target tracking stage

圖17 目標伴隨Fig.17 An adjoint target

圖18為航路跟蹤結果，完成對任意曲線的航路跟蹤控制，跟蹤精度達到1 m以內(nèi)。

圖18 航路跟蹤Fig.18 Route tracking

圖19 為航向控制對比仿真試驗，主要對比PID和ADRC 對于航向的控制效果，ADRC 存在5°的超調(diào)，收斂時間相比較短；圖20 為航速控制算法對比響應圖，SMCNN算法具備更快的末端收斂性。

圖19 航向控制對比仿真試驗Fig.19 Course control comparison simulation test

圖20 航速控制對比仿真試驗Fig.20 Navigation speed control comparison simulation test

圖21為無人艇實海域某航次錄取的試驗數(shù)據(jù)，仿真系統(tǒng)通過數(shù)據(jù)回放功能將當時海上航行態(tài)勢場景重新輸出，1 377 批號目標航速為6～7 kn，航向為180°左右，仿真系統(tǒng)接收到的實海域航行態(tài)勢數(shù)據(jù)，結合無人艇操縱性數(shù)學模型、自主避障、航行控制等模塊進行場景重現(xiàn)自主避障仿真試驗，驗證避障算法針對實海域復雜場景的可靠性和適應性。

圖21 回放真實場景仿真試驗Fig.21 Replay real scene simulation test

從上述仿真試驗結果可以看出，本文設計的無人艇自主控制仿真系統(tǒng)，具備規(guī)劃、避障、控制等功能仿真驗證，以及任務推演、數(shù)據(jù)回放存儲能力，且與實際航行數(shù)據(jù)交互，最大程度上驗證相關軟件算法的可行性和可靠性。

4 結論

本文主要研究了無人水面艇自主航行控制仿真系統(tǒng)，該仿真系統(tǒng)包含了5個模塊，分別為顯控模塊、無人艇操縱性運動模型模塊、環(huán)境信息模塊、避障模塊和航行控制模塊，基于一致的數(shù)據(jù)接口，5 個模塊中+隨時進行不同算法替換以及參數(shù)更改。仿真試驗結果分析表明，該仿真系統(tǒng)具備對無人艇自主航行控制進行功能測試和數(shù)據(jù)分析能力，可提高無人艇實艇工程開發(fā)效率和調(diào)試進度，為無人艇自主航行任務演示提供數(shù)據(jù)分析和場景重現(xiàn)平臺。