智能船舶遠程駕駛控制技術(shù)研究現(xiàn)狀與趨勢

王遠淵，劉佳侖，馬楓，王興平，嚴新平

1 武漢理工大學 智能交通系統(tǒng)研究中心，湖北 武漢 430063

2 珠海云航智能技術(shù)有限公司 研發(fā)部，廣東 珠海 519080

3 國家水運安全工程技術(shù)研究中心，湖北 武漢 430063

0 引 言

隨著人工智能技術(shù)的發(fā)展，融合了計算機科學、自動化技術(shù)和通信技術(shù)的智能運載工具成為高新技術(shù)領域的研究重點，無人機、無人車、無人船等新型運載工具應運而生。其中，無人船作為水面智能運載工具拓展了船舶航行的場景，為操作者和管理者提供了更便捷、高效和自由的操作選擇，在測繪、環(huán)保、安防、軍事等領域的應用發(fā)展迅猛。

近年來，無人水面船舶的概念正在與船舶貨運相結(jié)合，航運業(yè)希望通過構(gòu)建面向行業(yè)需求的智能船舶，達成智能化和無人化的目標，進而實現(xiàn)：

1） 減少配員。國際航運咨詢機構(gòu)Moore Stephen最新發(fā)布的航運調(diào)查報告顯示，標準配員的貨船每天需支付的人員成本達5 000 美元，占總運營成本的44%[1]，且人員成本以每年3%的幅度上漲。隨著船舶自動化技術(shù)的發(fā)展、電子海圖顯示與信息系統(tǒng)（electronic chart display and information system,ECDIS）和無人機艙的普及，為實現(xiàn)船舶減員、提升運營收益提供了可能性，遠洋貨輪船員的現(xiàn)場事務正在逐步減少，僅需完成日常清點、安全管理和避碰干預等工作。

2） 提高安全性。雖然船舶配備了雷達、自動識別系統(tǒng)（automatic identification system, AIS）和電子海圖（electronic navigation chart, ENC）等感知設備，但遠洋航行的值守工作枯燥，極易造成駕駛員的視覺疲勞。數(shù)據(jù)顯示，80%的船舶安全事故是人為因素造成的。而船舶的智能化意味著人員疲勞和疏忽將不復存在[1]。船舶的智能化將為安全問題的解決提供可靠的保障。

3） 提高載運效力。運輸船舶上與船員生活相關(guān)的艙位占據(jù)了很大的比例。減少配員，逐步實現(xiàn)無人駕駛，將縮減甚至取消船舶橋樓、生活區(qū)和救生設備，增加貨運艙容，從而增加載運效力。全球知名船舶設備供應商羅爾斯·羅伊斯公司的研究指出，采用無人駕駛技術(shù)的貨船運行效力將有望提高20%。

4） 降低排放。全球碳排放機制、船舶能效設計指數(shù)（EEDI）和船舶營運能效指數(shù)（EEOI）的應用正在有序推進[2]。我國2013 年印發(fā)的《大氣污染防治行動計劃》明確提出了強化移動源污染防治，越來越嚴格的排放要求迫使船舶做出改進，以降低單位運載量的能耗。智能船舶“無人化”帶來的運載效力提升將極大地促進能效政策的實施。

由于船舶的運力大、成本低，船舶運輸承擔了95%的原油運輸和99%的鐵礦石運輸，因而其在貨物運輸及民生貿(mào)易中起到了關(guān)鍵的作用。智能船舶作為智能航運發(fā)展范疇中的重要部分，將革新傳統(tǒng)船舶的駕駛和運載方式，使傳統(tǒng)船舶的載運變得更為靈活，進而借助技術(shù)升級使船舶在運載過程中減少船員配備、增加運載效力、降低污染排放，最終鞏固航運在運輸領域的地位，滿足航運業(yè)安全、節(jié)能、增效等方面的需求。

本文將針對貨運船舶遠程駕駛的需求和場景，提出參考人機共融理念的遠程駕駛控制框架和關(guān)鍵技術(shù)，結(jié)合網(wǎng)絡控制系統(tǒng)的研究成果，闡述關(guān)鍵技術(shù)的發(fā)展狀況，并提出有助于實現(xiàn)貨船遠程駕駛的幾點思考。

1 發(fā)展背景

隨著智能船舶需求的不斷明確和技術(shù)的持續(xù)發(fā)展，國際組織、國家和地區(qū)性質(zhì)的海事監(jiān)管機構(gòu)、港航企業(yè)、高校，以及新型信息產(chǎn)業(yè)團隊以不同的角色參與到了智能船舶的研發(fā)中，實現(xiàn)了跨領域的優(yōu)勢整合。廣泛的協(xié)作在法規(guī)制定、技術(shù)研發(fā)、應用示范等方面取得了顯著的成效。

1.1 智能船舶及其遠程駕駛

2012 年，歐盟聯(lián)合啟動了“基于網(wǎng)絡智能的無人航?！保╩aritime unmanned navigation through intelligence in networks, MUNIN）項目，旨在實現(xiàn)自主船舶和無人船舶技術(shù)，驗證自主船舶概念。該項目全面梳理了智能船舶的整體結(jié)構(gòu)和安全性[3-5]、感知技術(shù)[6-7]、遠程駕駛技術(shù)[8]、環(huán)境因素風險[9-10]。2015 年，芬蘭國家技術(shù)創(chuàng)新局聯(lián)合挪威船級社、芬蘭阿爾托大學、羅爾斯·羅伊斯公司等多家單位聯(lián)合啟動了“高級自主海上應用”（advanced autonomous waterborne applications, AAWA）項目，計劃用5～8 年的時間設計建造出可以應用于遠洋運輸?shù)臒o人船，使之具備遠程駕駛、自主駕駛的能力，最終實現(xiàn)船舶的全自主航行[11]。

國際海事組織第99 次安全會議簽署了針對智能自主船舶（maritime autonomous surface ship，MASS）的法規(guī)框架，用以提升其應對安全、安保和環(huán)境問題的能力，并對MASS 的自主等級進行了初步的定義。

考慮到智能船舶技術(shù)的不斷發(fā)展和迭代，中國船級社于2019 年12 月4 日發(fā)布了《智能船舶規(guī)范（2020）》[12]。該規(guī)范在《智能船舶規(guī)范（2015）》的基礎上納入了國內(nèi)外智能船舶技術(shù)發(fā)展和應用的新成果，按照局部應用到全船整體應用、輔助決策到完全自主的發(fā)展方向，細化了遠程控制操作和自主操作功能要求，對不同的場景和船員在船情況進行了詳細的規(guī)范，形成了完整的智能船舶規(guī)范框架及相應的功能和技術(shù)要求。

針對不同等級的自主化水平，船舶受控的程度也有所區(qū)別。如圖1 所示，隨著船舶自主等級的提升，船舶操作人員和管理人員對船舶控制的參與和相關(guān)的控制力逐漸遞減?；疑糠直砻髁嗽撾A段船舶的控制必須具備以操作和管理人員為核心的安全保障。在全自主航行階段，人員將失去對船舶駕駛的參與和控制力。

圖1 船舶自主化等級帶來的控制力變化[5]Fig. 1 The change of control force brought by the ship's autonomous level

船舶的綜合船橋、自動化機艙、自動化操縱設備等系統(tǒng)為智能航行提供了基礎，但是船舶全自主航行的決策方案和系統(tǒng)并不成熟，很難應對航道狹窄彎曲、感潮河段、船舶交通擁擠、過橋頻繁等通航問題。因此，考慮到現(xiàn)有的自主航行系統(tǒng)無法保障智能船舶在所有復雜環(huán)境下安全航行，遠程駕駛是實現(xiàn)船舶無人化的必要技術(shù)支持和手段。

1.2 遠程駕駛實踐

國際上，各大船舶智能航行團隊均將遠程駕駛作為智能船舶發(fā)展的重要部分，并進行了初步的研發(fā)和工程實踐。最新成果包括：2017 年9 月，瓦錫蘭公司率先實現(xiàn)了船舶的遠程駕駛，通過使用常規(guī)衛(wèi)星通信，在美國加州圣地亞哥控制位于8 000 km 外歐洲北海海域的Highland Chieftain 輪進行了4 h 的遠程遙控船舶操作測試，完成了電腦數(shù)字輸入和手動操縱桿操作，實現(xiàn)了動力定位[13]（如圖2(a)所示）。2018 年12 月，ABB 公司與芬蘭赫爾辛基運輸廳合作，在Suomenlinna II 輪渡上實現(xiàn)了遠程遙控試驗。隨后，羅爾斯·羅伊斯公司和Finferries 公司合作，實現(xiàn)了拖輪和渡輪的遠程控制。2019 年9 月，挪威船級社與自動化系統(tǒng)供應商H?glund 等合作，在Fannefjord 號渡輪上實現(xiàn)了自動系統(tǒng)和輪機設備的遠程控制。該系統(tǒng)的總體目標是提供操作優(yōu)化和提升效率，同時確保安全水平優(yōu)于或等同于當前的人工操作水平[14]（如圖2(b)所示）。2019 年12 月，韓國三星重工在大田控制中心對位于250 km 外的一艘縮比模型船進行了遠程駕駛，演示驗證了基于海上避碰規(guī)則的自主航行技術(shù)和智能航線優(yōu)化技術(shù)。

圖2 國外團隊的遠程駕駛實踐Fig. 2 Remote control practice of foreign teams

我國智能船舶研發(fā)團隊在遠程駕駛實踐方面也取得了一些進展。2019 年5 月，智慧航海（青島）科技有限公司在位于青島藍谷的智能航運技術(shù)創(chuàng)新與綜合實驗基地，演示了“智騰”號的遠程駕駛功能。2019 年10 月，武漢理工大學國家水運安全工程技術(shù)研究中心自主水路交通系統(tǒng)團隊赴瓦赫寧根，在荷蘭海事研究所等單位代表的見證下，現(xiàn)場展示了基于“航行腦系統(tǒng)”的遠程駕駛系統(tǒng)，成功從荷蘭瓦赫寧根遠程控制了位于中國武漢市湯遜湖的7 m 長自航模型船[15]，兩地相距約8 500 km。2019 年11 月，珠海云航智能技術(shù)有限公司在13 m 長的“筋斗云0 號”上測試了遠程駕駛系統(tǒng)，在船長的指揮下于岸基控制中心完成了船舶的遠程離泊和橋區(qū)航行。

2 基于人機共融的船舶遠程駕駛

2.1 無人船艇遠程控制現(xiàn)狀

目前，已投入應用的無人艇在智能航行領域多采用遠程遙控和自主航行兩種模式。遠程遙控用于無人艇進出碼頭、航行于通航密集區(qū)域時，自主航行模式則用于通航環(huán)境簡單條件下的循跡航行和緊急避障。公開資料顯示，無人艇的遠程遙控多通過自建的LTE 網(wǎng)絡，采取遠程操作人員實時操作的方式，如圖3 所示。

圖3 無人艇遠程遙控的直接結(jié)構(gòu)Fig. 3 Direct structure of the unmanned surface vessel's remote control

然而，對于貨船，其航行范圍較大，不可能使用專網(wǎng)進行點對點通信，使用公網(wǎng)通信勢必帶來通信不可控的風險。此外，由于貨船的遠程控制多應用于航行在港區(qū)、通航密集的航道、分道通航等特殊區(qū)域，船舶在操縱過程中需要頻繁進行轉(zhuǎn)向、保向、保速、加減速操作，例如采用遠程遙控的直接結(jié)構(gòu)，船舶在通信時延等問題的影響下航行穩(wěn)定性將極度不可控。

2.2 基于人機共融的船舶遠程駕駛框架

人機共融就是人與機器人從單一的人類控制機器人，轉(zhuǎn)變?yōu)槿祟惻c機器人在同一空間共存，既能緊密協(xié)調(diào)工作、自主實現(xiàn)自身技能又能保證安全而不至于擔心機器人失控，這是一種更加自然的作業(yè)狀態(tài)。人機共融的理念和技術(shù)促使人與機器在協(xié)作領域內(nèi)進行交互和協(xié)同工作。當前，相關(guān)應用已經(jīng)從基礎的機械加工和協(xié)助，發(fā)展成通過相互協(xié)作完成不同環(huán)境下的復雜任務。人機共融關(guān)鍵技術(shù)包括結(jié)構(gòu)設計與動力學設計、共融機器人的環(huán)境主動感知與自然交互、智能控制和決策方法、體系構(gòu)建和操作系統(tǒng)完善等方面[16]。在船舶領域，船體和設備的設計已經(jīng)較為成熟，船舶的感知系統(tǒng)已廣泛應用且日趨成熟。本文將重點對實現(xiàn)船舶遠程駕駛的系統(tǒng)網(wǎng)絡問題和控制決策關(guān)鍵技術(shù)問題進行分析和綜述。

參考人機共融的概念，為了實現(xiàn)智能遠程駕駛，需要介入控制器，構(gòu)建船舶網(wǎng)絡控制系統(tǒng)（ship networked control system, SNCS）。由于傳統(tǒng)的船舶操縱和控制多以船舶自身為核心，所有的操縱和控制行為都發(fā)生在本地，系統(tǒng)內(nèi)部通信的時延和操縱設備的反應時延很短；內(nèi)部網(wǎng)絡和設備間物理連接簡單，幾乎不會產(chǎn)生感知、控制信息的丟失。關(guān)于船舶控制時延的研究多針對船舶慣性帶來的運動響應時延，而非系統(tǒng)控制過程的時延[17]。此外，瓦錫蘭、羅爾斯·羅伊斯等公司的團隊對實現(xiàn)船舶遠程駕駛的細節(jié)采取了技術(shù)保密。為數(shù)不多的基于網(wǎng)絡控制的船舶控制文獻[18-19]是將網(wǎng)絡時延影響作為未知的非線性函數(shù)處理，采用改進的魯棒自適應控制器，借助神經(jīng)網(wǎng)絡進行逼近，但缺乏對網(wǎng)絡前饋和反饋鏈路上時延的分析和量化，在神經(jīng)網(wǎng)絡進行逼近的過程中無法快速應對不確定性數(shù)量級躍遷帶來的逼近精度抖動。因此，并無太多針對船舶遠程操縱和控制的相關(guān)研究。

相較于船舶領域，網(wǎng)絡控制系統(tǒng)（networked control system, NCS）的研究可以追溯到20 世紀80 年代，Halevi 等[20]首次將控制系統(tǒng)和通信網(wǎng)絡結(jié)合在一起研究，探討了具有隨機時延系統(tǒng)的建模問題。這方面的研究在醫(yī)療機器人、服務機器人、水下機器人和無人機等相關(guān)領域更為廣泛[21]。其具備實現(xiàn)遠程控制的能力，可實現(xiàn)設備的資源共享，操作和維護簡便，已成為了控制界的研究熱點[22]。

SNCS 分為閉環(huán)結(jié)構(gòu)和開環(huán)結(jié)構(gòu)。其中：

1） 閉環(huán)SNCS 系統(tǒng)一般由控制端、通信網(wǎng)絡和被控對象組成。其工作原理為：傳感器通過采樣卡(data acquisition, DAQ)將被控對象的狀態(tài)和姿態(tài)輸出離散化作為感知信息，然后通過通信網(wǎng)絡傳輸至控制端，控制端所計算的控制信號通過通信網(wǎng)絡傳輸至被控對象，最后通過零階保持函數(shù)產(chǎn)生連續(xù)的時序控制信號，通過執(zhí)行器控制被控對象。其控制邏輯如圖4 所示。

圖4 船舶網(wǎng)絡控制系統(tǒng)控制邏輯（閉環(huán)結(jié)構(gòu)）Fig. 4 Control framework of SNCS (closed-loop structure)

2） 開環(huán)SNCS 結(jié)構(gòu)是將控制器放在船舶現(xiàn)場，現(xiàn)場控制器直接對被控對象進行完全控制，遠程控制端僅作為監(jiān)督方，在必要的時候進行決策干預，如圖5 所示。這種模式的特點是下放了更多的自主權(quán)到船舶自身。但是采用這種方式時，整個控制過程中的通信僅有前饋信息，系統(tǒng)響應較慢，遠程控制端在一定程度上容易被隔離在閉環(huán)控制外，在緊急情況下容易失去船舶的控制權(quán)，使船舶處于不可控狀態(tài)。因而，在研究過程中需要綜合對比兩種結(jié)構(gòu)的優(yōu)劣，根據(jù)應用場景的區(qū)別，通過改變控制器的部署地點，尋求更佳的遠程駕駛控制效果。

圖5 船舶網(wǎng)絡控制系統(tǒng)控制邏輯（開環(huán)結(jié)構(gòu)）Fig. 5 Control framework of SNCS (open-loop structure)

2.3 基于人機共融的船舶遠程駕駛等級及關(guān)鍵技術(shù)

智能船舶遠程駕駛作為應急操作手段，在智能系統(tǒng)出現(xiàn)異常或通航環(huán)境和航行任務復雜度超越系統(tǒng)智能度的情況下進行人工介入；由于貨船的航行受通航規(guī)則和進港指南的約束，在特定的區(qū)域需要引航員的輔助，通過遠程駕駛可以為引航提供條件；還可以為海上救援等精細化操作提供基礎；也可以作為船舶航行時航次計劃變更的發(fā)布端口，以及船舶自主航行出現(xiàn)背離法律法規(guī)和危害安全等風險時的最終決策端口。

船舶遠程駕駛的實現(xiàn)不可避免地將通過通信網(wǎng)絡進行數(shù)據(jù)交換。雖然高速以太網(wǎng)技術(shù)、現(xiàn)場總線技術(shù)、信息壓縮技術(shù)的發(fā)展為NCS 的可靠性和開放性提供了保障，但是受限于通信網(wǎng)絡的帶寬、通信網(wǎng)絡設備軟硬件的穩(wěn)定性、隨機變化的通信網(wǎng)絡負載和傳輸機制，SNCS 在船岸協(xié)同的通信過程中將不可避免地遇到以下3 個問題：

1） 時延問題。感知和控制信息在通信網(wǎng)絡中傳輸時的路由機制使信息的傳輸路徑不確定，而網(wǎng)絡復雜情況和該路通信的數(shù)據(jù)包通路大小也受通信協(xié)議影響不盡相同，這些影響的時變性使網(wǎng)絡時延產(chǎn)生具有不確定性。該不確定性同時將隨著通信距離的加大進一步復雜和難以控制[23-24]。

2） 丟包問題。因為網(wǎng)絡信號不絕對穩(wěn)定、網(wǎng)絡節(jié)點的緩沖區(qū)容量和路由器處理能力有限，加之網(wǎng)絡負載狀況是不確定的，所以通信網(wǎng)絡工作時會引起緩沖區(qū)溢出和路由器擁塞等問題，這些問題會導致信息傳輸出現(xiàn)數(shù)據(jù)包隨機和突發(fā)的丟失[25-26]。

3） 通信網(wǎng)絡斷路。船?岸之間的通信鏈路在遭遇由通信設備軟硬件問題或賽博（cyber）安全問題導致的通信網(wǎng)絡斷路時，勢必會引起船舶運動控制信號的缺失，使船舶的運動處于完全不可控的狀態(tài)[4]。

以上船舶遠程駕駛通信網(wǎng)絡問題會給遠程駕駛相關(guān)的人員、船舶、貨物和環(huán)境安全帶來極大的風險和挑戰(zhàn)，因此需要應用某些關(guān)鍵技術(shù)和補充適當?shù)陌踩珯C制予以應對。

在實現(xiàn)船舶遠程駕駛的過程中，運動控制、運動建模和自主決策同樣重要；對于航行在限制水域或靠離泊的船舶，更是如此。

1） 運動控制。船舶運動具有很強的慣性、時滯性和非線性，操縱結(jié)構(gòu)體現(xiàn)為欠驅(qū)動性，設備的響應時間長，且受風浪流等環(huán)境影響后的運動更為復雜，因此控制船舶克服自身的操縱性不足，應對不確定的環(huán)境干擾，使船舶穩(wěn)定地執(zhí)行航次計劃的難度很大[27-28]。

2） 運動建模。船舶的運動模型既是船舶遠程駕駛網(wǎng)絡丟包補償?shù)幕A，又是很多智能控制器構(gòu)建的基礎。船舶的水動力有很強的非線性特征，船體、槳、舵之間響應又有很強的耦合，風、浪、流等環(huán)境干擾的影響使船舶運動模型的構(gòu)建更為復雜。

3） 自主決策。船舶遠程駕駛給船舶的駕駛模式帶來了無人化的風險和挑戰(zhàn)，處于遠程駕駛模式的船舶應具備適當?shù)淖灾鳑Q策能力，以應對復雜的通航環(huán)境，并解決各種不確定因素給船舶帶來的風險。

智能感知技術(shù)是船舶遠程駕駛技術(shù)實現(xiàn)的基礎。目前，船舶的感知技術(shù)已趨于成熟，融合雷達、AIS、電子海圖、測深儀等設備的綜合船橋系統(tǒng)可以為智能船舶提供航行必要的感知信息，相關(guān)的算法也已在實船使用過程中證明了可靠性。考慮到新型船舶感知設備和技術(shù)的發(fā)展狀況，后文將針對幾項有應用空間的感知設備和技術(shù)，討論其應用于船舶遠程駕駛的可能性。

參考MUNIN 項目[29]對遠程控制的界定，遠程駕駛需要在有效通信的基礎上反饋感知信息，作為遠程控制中心人員的決策依據(jù)，在考慮人機共融的理念上，遠程駕駛技術(shù)可分為以下級別：

1) 遠程實時駕駛（RL1）——船員在岸端通過通信網(wǎng)絡發(fā)布操縱信號，實現(xiàn)對船舶槳、舵等設備的控制，實現(xiàn)船舶的遠程操縱；

2) 遠程自動駕駛（RL2）——船員在岸端發(fā)布操縱目標，借助控制器生成船舶槳、舵等設備的控制信號，實現(xiàn)船舶的遠程自動駕駛操縱；

3) 遠程自主駕駛（RL3）——船員在岸端發(fā)布航次計劃或變更航次計劃至船端，借助控制器和智能決策生成船舶槳、舵等設備的控制信號，實現(xiàn)船舶的遠程自主駕駛操縱。

基于以上分析，船舶遠程駕駛的實現(xiàn)和各關(guān)鍵技術(shù)間的關(guān)系如圖6 所示。

由圖6 可知：

1） 遠程駕駛可以通過通信鏈路直接發(fā)布船舶槳、舵等設備的控制信號實現(xiàn)RL1 級遠程駕駛。

圖6 船舶遠程駕駛技術(shù)等級和實現(xiàn)流程Fig. 6 Technical level and operational process of the ship's remote control

2） 為了消除通信網(wǎng)絡帶來的隨機時延，通過引入時延預測器和補償器消除船舶控制中的不穩(wěn)定性，保證安全控制船舶完成進出港、靠離泊或密集水域的頻繁轉(zhuǎn)向、保向、保速和加減速等復雜操縱；當系統(tǒng)的反饋感知信息傳輸通道發(fā)生信息丟包時，激活丟包補償機制，利用輔助模型使用上一刻的狀態(tài)變量進行狀態(tài)估計、替代狀態(tài)反饋變量，使控制器可以正常提供當前的控制量，實現(xiàn)RL2 級遠程自動駕駛。

3） 在通信網(wǎng)絡前饋和反饋通路均無法保證安全的狀況下，在N倍控制間隔時間內(nèi)保持使用上一刻可用控制信號，超過安全閾值后切換至船舶安全機制或自主決策模式，以保障船舶、貨物和環(huán)境的安全；同時，船端的自主決策功能可以實現(xiàn)基于岸端的航次計劃發(fā)布或變更，完成船舶規(guī)定階段內(nèi)或緊急狀態(tài)下的自主決策，最終實現(xiàn)RL3 級遠程自主駕駛。

3 關(guān)鍵技術(shù)研究現(xiàn)狀

近年來，研究人員在NCS 領域取得了一系列進展。Tipsuwan 等[30]和Hespanha 等[31]對網(wǎng)絡控制時延、信息丟包等方面的研究成果進行了綜述。芮萬智等[32]從控制與調(diào)度協(xié)同、錯誤識別與系統(tǒng)容錯方面對NCS 的研究進行了綜述。You等[33]從信息理論、網(wǎng)絡理論、采樣理論等方面進行了分析總結(jié)。著眼于控制過程的不確定性和時變隨機性，以及由此帶來的安全風險，學者們開展了大量的研究工作。同時，與船舶遠程駕駛相關(guān)的運動建模、運動控制和自主決策技術(shù)也有了大量的研究成果。

3.1 網(wǎng)絡問題

3.1.1 網(wǎng)絡時延預測和補償

目前，針對網(wǎng)絡時延的補償控制策略大致分為3 個方向：一是優(yōu)化網(wǎng)絡通信協(xié)議[34]和傳輸機制[35]，二是增加被控系統(tǒng)的自主性，三是優(yōu)化NCS 的控制方案。從效果看，優(yōu)化網(wǎng)絡通信協(xié)議和傳輸機制只能在很小程度上降低時延，但是對改善時延帶來的系統(tǒng)響應抖動效果不夠明顯。通過增加被控系統(tǒng)的自主性可以減少對被控系統(tǒng)控制的頻率，從而降低網(wǎng)絡控制系統(tǒng)時延的影響，但是系統(tǒng)的實時性和透明度都會降低。尤其是船舶駕駛、操作人員在頻繁改變船舶航向和航線的操作過程中的參與靈活性大大降低，從而帶來船舶控制的不確定性。

相比之下，通過優(yōu)化控制策略可以在進行控制器設計及系統(tǒng)分析過程中獲取實時的前饋和反饋信息，及時有效地完成NCS 的閉環(huán)控制，因而對時延補償和控制鎮(zhèn)定具有很好的工程實踐意義?？刂扑惴ㄖ袝r延的不確定性建模對時延補償和后續(xù)的控制鎮(zhèn)定尤為重要。Zhang 等[36]、Shi 等[37]、邱麗等[38]和李歆[39]采用馬爾可夫方法，對NCS 系統(tǒng)的時延轉(zhuǎn)換為跳變系統(tǒng)進行了分析和預測。Zhou 等[40]和Yang 等[41]采用伯努利分布的隨機二進制切換序列，在無需知道NCS 系統(tǒng)時延概率分布的前提下將其轉(zhuǎn)換為非線性離散系統(tǒng)進行分析。但是，以上方法的運算結(jié)果極度依賴可信度的整定，且方法較為復雜，目前還處于理論和仿真階段。出于工程實踐的考慮，王隨平等[42]和劉艷紅等[43]使用基于最速下降法的可循環(huán)最小均方差（LMS）算法預測系統(tǒng)時延，解決了不確定時延影響下控制系統(tǒng)不穩(wěn)定的情況。

在鎮(zhèn)定控制器設計方面，Xi 等[44]和劉馨[45]提出了基于事件的控制方法，通過將被控系統(tǒng)的狀態(tài)作為參變量，將控制量的生成過程變?yōu)榛诖丝刂品椒ǖ膮⒆兞?，將系統(tǒng)的控制變成了“Move and Wait”事件驅(qū)動型。但是該方法控制效率低，實時性差。Xu 等[46]和Zhao 等[47]將NCS 系統(tǒng)建模為隨機系統(tǒng)，利用隨機系統(tǒng)理論設計控制器，保障系統(tǒng)控制的穩(wěn)定性。但是，此方法的假設前提是時延需滿足特殊的分布，對隨機性不符合確定分布網(wǎng)絡的控制效果有待提升。

預測控制方法處理NCS 系統(tǒng)時延問題的效果較好。其基本思路是：傳感器通過網(wǎng)絡反饋給控制器過往一段時間的感知信息，對被控對象現(xiàn)在和將來一段時間的目標狀態(tài)基于控制量進行預估，將相應時間序列下的信號用于被控對象。Hu 等[48]和Zhao 等[49]使用自回歸積分滑動平均模型，提出了網(wǎng)絡預測控制方法，對網(wǎng)絡回路的雙向時延進行測量和補償，但廣域網(wǎng)里很難做到時鐘同步、進行雙向時延測量。Peng 等[50]和He 等[51]通過構(gòu)建Lyapunov-Krasovskii 函數(shù)構(gòu)建補償器，完成了對NCS 系統(tǒng)時延的有效補償和鎮(zhèn)定控制。Künhe 等[52]和唐祎[53]通過引入被控機器人的線性和非線性模型完成了對機器人的遠程軌跡跟蹤控制。但是，基于模型的預測算法（model predictive control, MPC）存在控制效果嚴重依賴模型準確度的問題，在船舶受到不確定的外界環(huán)境干擾的情況下控制效果有待提升。此外，還有基于模糊控制[54]和通信干擾觀測器[55]的NCS 設計，但這些方法多停留在理論階段，沒有進行實際的工程實踐?；诠こ虒嵺`簡便可靠的原則，Chen 等[56]和Lai 等[57]結(jié)合自適應Smith-神經(jīng)網(wǎng)絡補償控制算法對控制進行補償，解決了受不確定時延影響的控制系統(tǒng)不穩(wěn)定問題。

3.1.2 網(wǎng)絡丟包預測和補償

針對NCS 系統(tǒng)中反饋信息丟包的補償問題，Ling 等[58]將丟包系統(tǒng)的輸出轉(zhuǎn)化成概率函數(shù)，通過最小能量譜指標給出了丟包的補償方案。Li等[59]和Xue 等[60]參考歷史狀態(tài)信息和控制信息，借助預測機制完成了對丟包的預測補償。

另一種方法是隨機最優(yōu)控制方法。Xiong 等[61]和Wu 等[62]提出NCS 反饋鏈路的丟包現(xiàn)象滿足馬爾科夫鏈模式，并給出了系統(tǒng)隨機穩(wěn)定的充分條件，提出了用于補償信息丟包問題的控制器設計方案。Lu 等[63]和Li 等[64]將丟包問題建模為伯努利分布的隨機過程，針對不確定性期望提出了基于觀測器的反饋控制方法。

目前，在應用方面較為有效的方法是輔助模型補償控制法。這是一種結(jié)合了開環(huán)控制和閉環(huán)控制的switch 控制方法[65-66]。其基本思路是當感知信息可以在通信網(wǎng)絡中正常傳輸時直接將其作為控制器的輸入信號，這種模式為傳統(tǒng)的閉環(huán)控制；當感知信息在通信網(wǎng)絡中的傳輸誘導了信息的丟包和丟幀，則基于被控對象的數(shù)學模型和前一時刻的感知信息預測此刻被控對象的狀態(tài)，并將其作為控制器的輸入[67]。Mastellone 等[68]參考被控制對象的模型，針對具有馬爾科夫隨機非離散特征的丟包給出了系統(tǒng)均方穩(wěn)定的判據(jù)。在海事領域，該技術(shù)已應用在了自主式水下機器人（AUV）、水下遙控機器人（ROV）和水下滑翔機等設備的定位和控制方面[69-70]。

3.1.3 船舶遠程駕駛安全

船舶的遠程駕駛安全是保證人員安全、船舶安全、貨物安全和環(huán)境安全的前提。Burmeister等[4]指出船舶遠程駕駛的發(fā)展會由于駕駛模式變化帶來新的風險和挑戰(zhàn)，并闡述了船舶遇到遠程駕駛異常時需要實現(xiàn)故障自趨安全（Fail-to-safe）程序，以應對威脅船舶航行安全的狀況。R?dseth等[5]提出，智能船舶會由于無人化帶來新的問題，尤其是船舶航行過程中容易受到不良通信的影響，船舶應當具備適當?shù)淖灾髂芰?，以應對外界不確定性或惡意干擾帶來的危害。

此外，智能船舶的遠程駕駛應該滿足cyber 安全的規(guī)范和要求。挪威船級社提出遠程駕駛的船舶需要在通信鏈路中考慮網(wǎng)絡攻擊防護措施，確保遠程控制中心對船舶的控制[71]。勞氏船級社從系統(tǒng)和人為兩個角度出發(fā)，提出在航船舶的網(wǎng)絡和計算機系統(tǒng)所包含的通信導航設備應當有足夠的措施確保信息安全[72]。世界航運協(xié)會等組織細化了cyber 安全方面的行為規(guī)范，從識別、預防、發(fā)現(xiàn)風險，風險反應和風險后的恢復等角度提出了明確的標準和流程[73]。

3.2 船舶運動控制及自主航行決策

3.2.1 船舶運動建模

船舶運動建模對研究船舶的遠程駕駛至關(guān)重要，不僅可以在遠程駕駛中為網(wǎng)絡信息丟包補償提供基礎，而且也是某些智能運動控制器構(gòu)建的基礎，同時可以作為仿真平臺在安全和經(jīng)濟的基礎上對船舶運動進行全方位仿真測試。

船舶運動模型分為線性整體響應模型和非線性分離模型。線性整體響應模型簡單、易于辨識，但無法明確船體、舵和螺旋槳之間的關(guān)系，無法有效累加外界環(huán)境因素，對船舶低速運動的反應誤差較大[74]。非線性分離模型即MMG 模型，其將船體、舵和槳視為獨立的部分，通過研究各部分單獨的水動力特性和相互之間的耦合關(guān)系，借助牛頓?歐拉定理，完成船舶運動和動力建模。Mccue[75]和Fossen[76]將外界環(huán)境因素累加在船舶六自由度運動中，通過構(gòu)建非線性運動模型研究了船舶在各種工況和環(huán)境因素下的運動響應。

傳統(tǒng)的船舶建模使用平面運動機構(gòu)（planar motion mechanism，PMM）方法或水池拖曳試驗，配合機理建模來構(gòu)建船舶運動數(shù)學模型，但如果實驗船舶尺度過大，則無可用的實驗條件進行該測試。計算流體動力學（CFD）軟件可以為船舶建模提供試驗數(shù)據(jù)，其缺點是依賴大量的設備運算，需要大量的時間繪制網(wǎng)格和進行擬合試驗。此外，可以根據(jù)ITTC 建議的回轉(zhuǎn)試驗和Z 形操縱試驗要求，進行船舶開環(huán)試驗，將試驗結(jié)果作為系統(tǒng)識別算法的輸入，用于計算船舶相應的水動力參數(shù)[77]，從而構(gòu)建船舶非線性運動模型。

對于系統(tǒng)識別，Nguyen[78-79]綜合使用循環(huán)最小二乘法（recursive least square，RLS），提供在線識別的歷史追蹤信息，實現(xiàn)系統(tǒng)識別分析的自適應化，最終可以構(gòu)建適用于船舶的運動模型，為智能船舶的自主航行仿真試驗和實船試驗提供操縱性預報。Pereira 等[80]使用卡爾曼濾波器對ROV的數(shù)學模型進行了識別，并對實驗數(shù)據(jù)和仿真運動響應進行了比較，驗證了該方法的有效性。Tran等[81]使用序列二次規(guī)劃法（sequential quadratic programming，SQP）和BFGS 算法（Broyden-Fletcher-Goldfarb-Shanno）對一艘19 萬 t 的油船進行了水動力參數(shù)的識別和運動建模。Moreno-Salinas 等[82]使用支持向量機對實驗數(shù)據(jù)進行處理，構(gòu)建了二階船舶運動模型。

3.2.2 船舶運動控制

船舶的動力驅(qū)動結(jié)構(gòu)有很強的欠驅(qū)動性，各操縱設備有特殊的約束，且易受環(huán)境干擾，船舶運動表現(xiàn)為大慣性、長時滯和高非線性，因此船舶運動控制一直是船舶自動化領域的研究熱點。上世紀80 年代，隨著微型計算機技術(shù)的發(fā)展，傳統(tǒng)PID 控制器在船舶運動控制中得到了廣泛應用。針對該類控制器的參數(shù)為確定值，其控制效果無法適用更多范圍的問題，增益調(diào)參法（gain scheduling approach）[83]被應用到了自動舵系統(tǒng)中，然而該類控制方法也無法滿足船舶所遇到的復雜環(huán)境帶來的多種不確定性干擾[84-85]。

為了解決傳統(tǒng)控制方法無法很好處理不確定性的問題，自整定PID 方法[86-87]、模型預測自適應算法[88-89]、線性二次高斯算法[90]、Batch 自適應算法[91]等控制方法均被應用于船舶控制中，以補償環(huán)境干擾和減少操縱難度。隨著現(xiàn)代控制理論的發(fā)展，滑?？刂芠92]、模糊控制[93-94]、遺傳算法[95-96]、反步算法[84,97-99]、神經(jīng)網(wǎng)絡[27,28]等智能算法在船舶運動控制中得到了很好的應用。

3.2.3 船舶自主決策

智能船舶，尤其是智能貨運船舶會航行在廣闊的水域，其航行和避碰決策應當受到《國際海上避碰規(guī)則》（COLREG）的約束。Lee 等[100]結(jié)合模糊推理方法，采用Astar 搜索算法實現(xiàn)了避碰動作的規(guī)劃。Benjamin 等[101]使用基于行為的多目標優(yōu)化方法，將規(guī)則轉(zhuǎn)化為行為，已初步應用在了相關(guān)領域。針對COLREG 及速度障礙約束，Matthies 等[102]提出了基于速度障礙的方法，水面船舶試驗結(jié)果表明，該方法有很好的計算效率。Hu 等[103]基于風險意識的判別使用多目標優(yōu)化方法為船舶提供全局和局部路徑規(guī)劃，實現(xiàn)了船舶航路點之間的安全航行，既避免了碰撞又滿足COLREG 規(guī)范要求。Lee 等[104]對人工勢場進行改進，采用模糊推理的方法實現(xiàn)了路徑的生成和跟蹤，以及典型會遇情況下滿足規(guī)則的避碰。Cheon等[105]使用8 m 長的無人船，采用可變動空間搜索和模糊推理法生成最優(yōu)路線，進行了5 艘船舶在復雜航行環(huán)境下的避碰試驗，試驗結(jié)果表明船舶采取和執(zhí)行了正確的避碰決策，實現(xiàn)了基于COLREG的避碰。

4 智能感知技術(shù)應用于船舶遠程駕駛的思考

近年來，船舶的感知技術(shù)逐漸成熟，激光雷達、機器視覺等技術(shù)的應用極大提高了船舶的態(tài)勢感知能力；以“電子航海”（e-Navigation）為代表的海事信息系統(tǒng)也為船舶感知航路信息、氣象信息等帶來了便利；數(shù)字孿生技術(shù)在海事領域的應用為突破地理限制帶來了可能性。融合和應用最新的感知技術(shù)將在很大程度上為船舶實現(xiàn)遠程駕駛提供保障。

4.1 航行態(tài)勢的智能感知

船舶的信息感知是指船舶可以借助信息網(wǎng)絡、傳感器和信息處理器獲取船舶自身的姿態(tài)、狀態(tài)及航行環(huán)境信息。船舶的航行環(huán)境包括對船舶航行安全存在危害的它船和礙航物信息。在傳統(tǒng)有人值守駕駛的船舶上，船員主要依靠雷達、AIS 和電子海圖的信息，對于近距離的它船和礙航物借助船員的瞭望，最終依靠良好船藝對船舶的安全航行進行決策。船舶的遠程駕駛會將船員位置從船舶移至岸端，但是雷達在近距離范圍內(nèi)存在探測盲區(qū)，AIS 設備被動接收的信息更新速度慢，且考慮到很多小型船舶沒有安裝AIS，這些問題導致傳統(tǒng)船舶對航行態(tài)勢的感知存在盲區(qū)。為保證船舶的航行安全，可以借助多源傳感器融合技術(shù)對船舶的航行態(tài)勢探測完成全覆蓋：近距離上，將激光雷達信息作為觀測值，視覺設備信息作為預測值，借助卡爾曼濾波器等預測技術(shù)，配合AIS 接收到的它船位置信息進行標定，實現(xiàn)近距離物標的感知[106]，如圖7 所示；中遠距離上，將AIS 數(shù)據(jù)作為觀測值，雷達信息作為預測值，實現(xiàn)通航態(tài)勢的感知。最終通過將不同采樣時間的感知信息融合，去除信息間的冗余和偏差，實現(xiàn)“雷達?AIS?視覺傳感器?激光雷達”覆蓋遠、中、近距離的信息融合，將感知的通航態(tài)勢傳輸至岸端控制中心，為船舶遠程駕駛提供感知判據(jù)。

圖7 日本三井和古野公司合作開發(fā)的視覺和AIS 信息感知增強系統(tǒng)[106]Fig. 7 Sensing awareness enhanced system proposed by MOL and Furuno using camera and AIS

4.2 海事信息的智能應用

傳統(tǒng)船舶大多借助國際航行警告電傳系統(tǒng)（NAVTEX）和氣象傳真機獲取海事信息，配合電子海圖、潮汐表和進港指南對可航水域的安全和海況進行綜合判斷。然而，NAVTEX 和氣象傳真機的信息接收間隔久，當前時刻實際水深的判斷繁瑣，需要有經(jīng)驗的船員進行綜合分析和決策。這一過程顯然無法滿足遠程駕駛船舶的需要。為了更完整、更直觀地反映船舶航行相關(guān)的海事信息，可以通過接收船舶搭載的電子設備所提供的氣象和水文信息，并借助e-Navigation 系統(tǒng)獲取實時的大范圍氣象和水文信息，綜合評估船舶當前和未來的航行環(huán)境，進行航路規(guī)劃和優(yōu)化。同時，該實時環(huán)境信息可以反映在船舶數(shù)學模型中，以便更為準確地進行操縱性預報，更好服務于船舶遠程駕駛。此外，岸基操縱人員還可以結(jié)合動態(tài)的潮汐和航行警告信息，為船舶趕潮、避讓應急物標等動作做出更為合理的決策。

4.3 數(shù)字孿生的綜合應用

雖然目前有多樣化的通信方式供船舶在港區(qū)、限制水域和開闊水域航行時使用，但受制于通信信道的帶寬，當船舶航行至距岸較遠的位置時，船端的多源傳感器所感知的通航態(tài)勢很難實時、完整地傳遞至岸端供岸基操縱人員決策，尤其無法完成實時、高幀速的圖傳。為了在全航段為操縱人員提供沉浸式的臨場判斷依據(jù)，可以使用數(shù)字孿生技術(shù)，互補使用增強現(xiàn)實/虛擬現(xiàn)實技術(shù)，將智能感知的航行態(tài)勢數(shù)據(jù)化，通過數(shù)傳模式發(fā)送至遠程控制端，映射在預置的三維空間中，進而還原出船舶的自身姿態(tài)和通航態(tài)勢[107-108]?？紤]到貨運船舶航行在廣闊的水域，覆蓋的面積大，需要結(jié)合遙感等技術(shù)建立更貼合現(xiàn)實的三維場景。

5 結(jié) 語

船舶遠程駕駛在智能船舶的研究和應用過程中尤為重要，其發(fā)展的目的是保障船舶的安全性和可靠性，推進船舶的全自主化發(fā)展進程，使未來的航運更加環(huán)保和經(jīng)濟。本文著眼于貨運船舶遠程駕駛的需求和場景，通過分析當前無人船艇遠程控制的現(xiàn)狀，提出了基于人機共融理念的船舶遠程駕駛框架，并分析了該框架下船舶遠程控制的關(guān)鍵技術(shù)；借鑒交叉領域的發(fā)展經(jīng)驗和成果，闡述了網(wǎng)絡時延補償、網(wǎng)絡丟包補償、安全機制、船舶運動模型應用、船舶自主決策、船舶運動控制等方面的關(guān)鍵技術(shù)發(fā)展現(xiàn)狀；結(jié)合航運業(yè)和貨運船舶的特點，針對目前一些正在投入工程應用的感知技術(shù)提出了有助于實現(xiàn)貨船遠程駕駛的思考。

我國是世界航運大國，但是和挪威、芬蘭、瑞典、英國、荷蘭等傳統(tǒng)的航運強國相比，在遠洋貨船信息化技術(shù)、相關(guān)標準話語權(quán)上有明顯差距，尤其在減搖鰭、動力定位等高精控制系統(tǒng)的發(fā)展和工程應用方面差距明顯，我國的船舶工業(yè)很難在短時間內(nèi)實現(xiàn)趕超。但是，船舶智能化發(fā)展現(xiàn)狀表明，這一輪新的變革核心并非船體、動力裝置、導航系統(tǒng)本身的變革，而在于利用信息化手段，借助人工智能技術(shù)提高船舶的智能化水平。我國是全球電子信息設備的制造中心，擁有良好的人工智能技術(shù)和人才儲備，在船舶智能化浪潮中擁有先天優(yōu)勢，有機會實現(xiàn)以增強駕駛、輔助駕駛、遠程駕駛、自主駕駛等為代表的階段性功能，最終呈現(xiàn)智能航運新業(yè)態(tài)。因此，發(fā)展和實踐船舶遠程駕駛和自主航行技術(shù)，既是我國船舶工業(yè)在國際競爭中實現(xiàn)趕超的最佳時機，更是我國船舶產(chǎn)業(yè)和航運業(yè)的發(fā)展需求。