無人艇避碰技術(shù)研究綜述*

姜登耀 苑明哲 劉繼海 段 勇

（1.沈陽工業(yè)大學(xué)信息科學(xué)與工程學(xué)院 沈陽 110870）（2.廣州工業(yè)智能研究院 廣州 510000）（3.廣州工業(yè)智能研究院院士專家工作站 廣州 510000）

1 引言

無人艇（Unmanned Surface Vehicle，USV）是一種具有環(huán)境感知、自主航行能力，并能夠自主完成相應(yīng)任務(wù)的小型海上平臺(tái)。因其具有可執(zhí)行更長時(shí)間、更危險(xiǎn)的任務(wù)，維護(hù)成本低、人員安全性高，重量輕、體積小，機(jī)動(dòng)性和可部署性強(qiáng)等優(yōu)勢，近年來被廣泛的應(yīng)用于海上科學(xué)考察、海上搜救和水質(zhì)監(jiān)測等領(lǐng)域。根據(jù)賽迪顧問的研究顯示，2018年、2019年及2020年我國民用無人艇市場規(guī)模分別為1.3億元、2.0億元和3.3億元。預(yù)計(jì)至2023年，我國民用無人艇市場規(guī)模約為32.2億元，市場前景廣闊。

由于USV所處的任務(wù)環(huán)境十分復(fù)雜，不僅包含靜態(tài)障礙物，同時(shí)受海面浪流、其他動(dòng)態(tài)障礙物的影響，避碰成為影響USV自主航行的關(guān)鍵技術(shù)因素。其已經(jīng)成為業(yè)界的主要研究熱點(diǎn)之一，但大多數(shù)綜述論文尚未對(duì)USV避碰技術(shù)進(jìn)行系統(tǒng)性的介紹，因此有必要對(duì)USV避碰技術(shù)的不同部分進(jìn)行系統(tǒng)的論述，將不同部分之間建立聯(lián)系，分析現(xiàn)有技術(shù)的優(yōu)劣，以推動(dòng)理論向?qū)嶋H應(yīng)用的轉(zhuǎn)換。文章將從USV環(huán)境感知、路徑規(guī)劃和航向控制三個(gè)部分對(duì)所采用的算法和方法進(jìn)行歸納總結(jié)，并對(duì)USV避碰技術(shù)未來發(fā)展方向提出展望。

2 環(huán)境感知

環(huán)境感知能力是USV實(shí)現(xiàn)避碰、自主執(zhí)行任務(wù)的前提和基礎(chǔ)。USV的環(huán)境感知方式主要包括主動(dòng)式感知、被動(dòng)式感知和融合式感知三種。主動(dòng)式感知是傳感器主動(dòng)向外界發(fā)送探測信號(hào)并接收返回信號(hào)進(jìn)行感知的方式，其主要包括毫米波雷達(dá)感知技術(shù)［1～3］、激光雷達(dá)感知技術(shù)［4～6］；被動(dòng)式感知是通過傳感器被動(dòng)接收外界信號(hào)進(jìn)行感知的方式，其主要包括視覺相機(jī)感知技術(shù)［7～12］和全景視覺感知技術(shù)［13～16］等；信息融合感知技術(shù)［17～20］是利用多個(gè)傳感器獲取的關(guān)于對(duì)象和環(huán)境全面、完整信息，并在一定的準(zhǔn)則下加以自動(dòng)分析和綜合，從而產(chǎn)生對(duì)觀測對(duì)象的一致性認(rèn)知和決策的信息處理過程。它能夠綜合利用多傳感器信息源的不同特點(diǎn)，多方位地獲得相關(guān)事物的信息，增強(qiáng)數(shù)據(jù)可信度，提高感知的可靠性和精度，是當(dāng)前研究熱點(diǎn)。

2.1 主動(dòng)式感知

2.1.1 毫米波雷達(dá)感知技術(shù)

毫米波雷達(dá)是工作在毫米波（30GHz～300GHz頻域、波長為1mm～10mm）波段的雷達(dá)。其具有探測范圍廣、穿透能力強(qiáng)、體積小等特點(diǎn)。由于海上目標(biāo)數(shù)量多以及障礙物散射強(qiáng)度不同將會(huì)受到噪聲的干擾容易造成虛警。針對(duì)此問題李瑞偉［1］等提出一種基于歐氏距離的點(diǎn)跡凝聚方法，解決了對(duì)于雷達(dá)數(shù)據(jù)存在無效點(diǎn)跡而產(chǎn)生的目標(biāo)點(diǎn)分裂和虛警問題。Cao Lin［2］等提出了一種無需聯(lián)合校準(zhǔn)即可識(shí)別海洋障礙物和毫米波雷達(dá)傳感器信息的方法，用來檢測和識(shí)別海洋障礙物目標(biāo)。該方法提取目標(biāo)作為特征向量的位置和速度，并設(shè)計(jì)匹配評(píng)估函數(shù)，從兩個(gè)傳感器的數(shù)據(jù)信息中找到最佳匹配，提升了海洋障礙物目標(biāo)識(shí)別效率。針對(duì)毫米波雷達(dá)的目標(biāo)缺失現(xiàn)象，Zhai G［3］提出了一種基于自適應(yīng)Sage-Husa卡爾曼濾波的目標(biāo)跟蹤算法，驗(yàn)證了算法估計(jì)的目標(biāo)信息的準(zhǔn)確性。毫米波雷達(dá)還具有目標(biāo)本身的多樣性和障礙物的散射強(qiáng)度不同，雷達(dá)會(huì)受到噪聲的干擾的缺點(diǎn)。

2.1.2 激光雷達(dá)感知技術(shù)

激光雷達(dá)是以激光作為載波，激光是光波波段電磁輻射。其具有更好的分辨率和靈敏度，探測精度高等特點(diǎn)［4］。Wang S［5］等提出了一種基于船載激光雷達(dá)點(diǎn)云數(shù)據(jù)（PCD）的船舶與海岸線識(shí)別方法。對(duì)內(nèi)河目標(biāo)回波數(shù)據(jù)和噪聲進(jìn)行了分析和濾波，基于這三個(gè)魯棒目標(biāo)特征（相對(duì)長度、縱橫比、點(diǎn)云的規(guī)模），采用K-Nearest Neighbors（KNN）分類方法對(duì)障礙物進(jìn)行識(shí)別。但是對(duì)于移動(dòng)的船只上非常明顯的特征比如直線的長度，此方法效果較差。針對(duì)此問題，王肖［6］等對(duì)于動(dòng)態(tài)目標(biāo)感知進(jìn)行了研究，考慮目標(biāo)點(diǎn)云分布特性的狀態(tài)觀測及跟蹤方法。采用了動(dòng)態(tài)參考點(diǎn)、分塊聚類等方法進(jìn)行建模。并且在多目標(biāo)的跟蹤中提出決策樹-跟蹤門解決了復(fù)雜環(huán)境的關(guān)聯(lián)模糊性，提升了動(dòng)態(tài)目標(biāo)的檢測效率。激光雷達(dá)還具有受到天氣因素影響大，不能在雪雨等極端天氣下工作的缺點(diǎn)。

2.2 被動(dòng)式感知

2.2.1 視覺相機(jī)感知技術(shù)

視覺相機(jī)是通過鏡頭投影到傳感器的圖像傳送到能夠儲(chǔ)存、分析的設(shè)備上。其具有重量輕、功耗低、信息豐富等特點(diǎn)。在針對(duì)障礙物的檢測方面。Han Wang［8］通過使用單眼和立體視覺方法，在航速達(dá)12節(jié)的高速USV中實(shí)現(xiàn)了檢測和定位30m～100m范圍內(nèi)的多個(gè)障礙物的能力。隨后其又對(duì)此方法進(jìn)行了改進(jìn)［9］，融合了岸基障礙物探測設(shè)備，實(shí)現(xiàn)了對(duì)障礙物30m～300m障礙物的探測，但探測距離上還是不足以在實(shí)踐中應(yīng)用。為此該團(tuán)隊(duì)［10］提出了一種檢測高清圖像（2736×2192）由粗到精的方法，實(shí)現(xiàn)實(shí)時(shí)500m內(nèi)的成功目標(biāo)跟蹤范圍。但是目前只考慮了單個(gè)目標(biāo)的檢測，未來可以將此方法應(yīng)用到多目標(biāo)檢測中。

在針對(duì)水面環(huán)境檢測方面。梁秀梅［11］等使用改進(jìn)的mean-shift的自適應(yīng)圖像分割算法、特征提取方法與目標(biāo)圖像識(shí)別技術(shù)。建立了海上障礙物和船只圖像數(shù)據(jù)庫，考慮了不同天氣下對(duì)圖像的影響，使用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)其進(jìn)訓(xùn)練，對(duì)障礙物和船只圖片的識(shí)別率的目標(biāo)達(dá)到了89.67%。但是效率較低，精確度差。張伊輝［12］等針對(duì)水面復(fù)雜環(huán)境不斷變化的問題，在目標(biāo)圖像識(shí)別的預(yù)處理過程進(jìn)行了濾波和直方圖增強(qiáng)。處理后的圖像進(jìn)行自適應(yīng)Otsu方法的目標(biāo)分割和目標(biāo)特征提取。利用獲得的特征對(duì)LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行USV視覺圖像目標(biāo)識(shí)別的訓(xùn)練和測試，對(duì)目標(biāo)的識(shí)別率達(dá)到了94.44%。相比于前述方法提高了準(zhǔn)確度。Feng T［7］等使用視覺相機(jī)對(duì)海天線水岸線進(jìn)行檢測，提出了一種適用于不同環(huán)境的魯棒形態(tài)河岸線方法，可以在復(fù)雜的環(huán)境下提升檢測的效率。視覺相機(jī)還具有光學(xué)圖像中的海洋目標(biāo)容易受到天氣因素的影響，魯棒性較差的缺點(diǎn)。

2.2.2 全景視覺感知技術(shù)

全景視覺是通過在設(shè)備周圍安裝的攝像頭來獲取設(shè)備周圍的圖像，從而提供更多的視覺信息［13］。其具有較大水平視場的多方向成像系統(tǒng)，能夠獲取豐富的環(huán)境信息，具有常規(guī)視覺相機(jī)無法比擬的優(yōu)勢，但目前在USV上應(yīng)用較少。尹義松［14］通過全景視覺圖像對(duì)利用海天線邊緣梯度信息對(duì)附近的小目標(biāo)進(jìn)行了識(shí)別，可以在海霧、陽光直射等天氣下對(duì)小目標(biāo)進(jìn)行檢測。馮閃閃［15］等研究了魚眼攝像頭的成像模型，通過三維全景圖像拼接、融合等技術(shù)，建立三維全景視覺輔助系統(tǒng)，有效的識(shí)別出障礙物并實(shí)施避碰。隨著算力性能的提升和算法的優(yōu)化，全景視覺系統(tǒng)趨向于更高的圖像分辨率、更高的靈敏度、更好的實(shí)時(shí)性。未來以旋轉(zhuǎn)式、多相機(jī)拼接式為代表的高精度全景視覺系統(tǒng)有望在USV航行障礙物檢測與識(shí)別領(lǐng)域得到應(yīng)用［16］。全景視覺同樣還具有目標(biāo)容易受到環(huán)境多種因素的影響，可見光圖像的特征提取困難的缺點(diǎn)。

2.3 信息融合感知技術(shù)

信息融合感知技術(shù)是對(duì)多個(gè)傳感器的信息進(jìn)行關(guān)聯(lián)、相關(guān)和綜合處理。其具有強(qiáng)魯棒性、高準(zhǔn)確性和高空間分辨力等特點(diǎn)。王亞麗［17］等使用毫米波雷達(dá)對(duì)捕獲前方目標(biāo)的距離、速度和加速度的信息，將信息傳給攝像頭建立感興趣區(qū)域。使用Adaboost方法完成目標(biāo)的識(shí)別，實(shí)現(xiàn)了毫米波雷達(dá)與機(jī)器視覺獲取數(shù)據(jù)在空間和時(shí)間上的融合。但是未考慮到在夜間光線不足時(shí)的情況。針對(duì)此問題的目標(biāo)識(shí)別方法，程蕾［18］等利用毫米波雷達(dá)和相機(jī)進(jìn)行了進(jìn)一步的研究。利用雷達(dá)初步獲取有效信號(hào)，排除干擾信號(hào)，使用相機(jī)進(jìn)一步檢測目標(biāo)的尾燈信息，再將信息融合對(duì)行進(jìn)的目標(biāo)進(jìn)行檢測。許大光［19］等將毫米波雷達(dá)應(yīng)用于無人艇目標(biāo)檢測，使用經(jīng)典卡爾曼濾波實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤，結(jié)合YOLO神經(jīng)網(wǎng)絡(luò)達(dá)成對(duì)目標(biāo)識(shí)別的功能。最后采用了信息融合方法，依據(jù)信息融合規(guī)則得到障礙物相關(guān)信息。Yuan J［20］等采用雷達(dá)和機(jī)器視覺融合來檢測目標(biāo)，并設(shè)計(jì)了粒子濾波器來跟蹤目標(biāo)。該方法采用樣本多樣性改進(jìn)程序來解決樣本短缺問題，但跟蹤精度隨著粒子數(shù)量的增加而提高，計(jì)算量大。信息融合感知信息之間的關(guān)系和結(jié)構(gòu)層次復(fù)雜，具有不同傳感器受到噪聲影響容易產(chǎn)生虛警，信息的高維度和大尺度導(dǎo)致計(jì)算量龐大的缺點(diǎn)?？偟貋碚f信息融合技術(shù)是目前環(huán)境感知技術(shù)的趨勢，因此針對(duì)信息融合的不足提出一些改進(jìn)方向：

1）對(duì)信息融合系統(tǒng)進(jìn)行系統(tǒng)性建模綜合集成，并整體優(yōu)化。

2）利用算法冗余來降低不確定性［21］。

3）對(duì)算法進(jìn)行優(yōu)化和數(shù)據(jù)降維處理，提高信息融合的效率。

針對(duì)全景視覺、毫米波雷達(dá)、激光雷達(dá)技術(shù)以及信息融合的優(yōu)缺點(diǎn)如表1所示。

表1 各感知技術(shù)的比較

3 局部路徑規(guī)劃算法

局部避碰規(guī)劃是基于已知環(huán)境感知信息實(shí)時(shí)規(guī)劃出一條滿足USV動(dòng)力學(xué)約束的無碰撞路徑。在USV航行的過程中，傳感器實(shí)時(shí)采集的信息和通信系統(tǒng)實(shí)時(shí)告知艇體附近的障礙物、船舶和突發(fā)信息，使得USV在保證能完成原任務(wù)的同時(shí)駛離原路徑進(jìn)行合理規(guī)避［22］。常見的局部規(guī)劃算法有人工勢場法、蟻群算法、細(xì)菌覓食優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)算法等。

人工勢場法（APF）是智能體在環(huán)境中運(yùn)動(dòng)，其與目標(biāo)點(diǎn)之間產(chǎn)生引力，與障礙物之間產(chǎn)生斥力，最后通過合力來控制智能體運(yùn)動(dòng)。其具有計(jì)算簡單、效率高的特點(diǎn)。Xie S［23］等提出了一種改進(jìn)的避障算法，修正了引力場函數(shù)。在改進(jìn)型APF中，USV能夠繞過目標(biāo)周圍的障礙物成功到達(dá)終點(diǎn)，只花費(fèi)了和原算法近似相同的時(shí)間，但其不是最優(yōu)解。APF還存在障礙物復(fù)雜環(huán)境下陷入局部最優(yōu)的缺點(diǎn)。

粒子群優(yōu)化（PSO）算法即源于對(duì)鳥群捕食行為的研究，一群鳥隨機(jī)搜尋食物，若此區(qū)域里只有一塊食物，找到食物的最簡單有效的策略就是搜尋目前距離食物最近的鳥的周圍區(qū)域［24］。其具有簡單有效的達(dá)到收斂區(qū)域。但是PSO存在著精度較低，容易陷入局部極小點(diǎn)的缺點(diǎn)。針對(duì)此問題Xia G［25］利用量子力學(xué)提出了改進(jìn)的量子PSO，不僅收斂速度相比原算法更快，而且有效地避免了陷入局部最優(yōu)的狀態(tài)，但是存在著精度較低的缺點(diǎn)。

蟻群算法（ACO）來源于螞蟻在尋找食物過程中發(fā)現(xiàn)路徑的行為。其具有過程直觀、求解思路簡單的優(yōu)點(diǎn)。Liu X［26］基于ACA和聚類算法（CA），針對(duì)USV的動(dòng)態(tài)避障和路徑規(guī)劃問題，構(gòu)建了一種適用于復(fù)雜海洋環(huán)境的自動(dòng)避障方法。基于ACO和CA兩種智能算法的動(dòng)態(tài)路徑規(guī)劃和避障算法，具有收斂時(shí)間短、計(jì)算負(fù)載均衡、綜合性能指標(biāo)好的特點(diǎn)。但ACO還存在穩(wěn)定性差，求解函數(shù)困難的缺點(diǎn)。

細(xì)菌覓食優(yōu)化算法（BFO）是受細(xì)菌的覓食行為啟發(fā)而提出的算法，將每個(gè)細(xì)菌看作帶求解問題的可行解，通過細(xì)菌的趨向、聚集、繁殖和遷徙的四種行為完成最優(yōu)解的搜索。其具有簡單、所需經(jīng)驗(yàn)少的優(yōu)點(diǎn)。但有仍易于陷入局部最優(yōu)的問題，針對(duì)此問題，龍洋［27］等將模擬退火算法的機(jī)制引入到細(xì)BFO中，計(jì)算更新前后的遷移個(gè)體的適值度，接受優(yōu)化解的同時(shí)以一定概率接受劣解，使得BFO能夠較好地跳出局部最優(yōu)。但BFO還存在著單個(gè)細(xì)菌個(gè)體之間的信息交流不足和搜索步長的固定影響著算法的收斂速度，不滿足在復(fù)雜環(huán)境下USV避碰實(shí)時(shí)性的缺點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)（ANN）是對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象并建立模型，按不同的連接方式組成不同的網(wǎng)絡(luò)。其具有尋得最優(yōu)解的能力，模型建立簡單的特點(diǎn)。其被廣泛并成功地應(yīng)用于各種機(jī)器人問題。如機(jī)器人在導(dǎo)航任務(wù)中選擇一個(gè)具有連續(xù)值的轉(zhuǎn)向角，神經(jīng)網(wǎng)絡(luò)機(jī)器人控制器會(huì)盡量在導(dǎo)航任務(wù)中像生物一樣［28］，然而USV的運(yùn)動(dòng)規(guī)劃不僅僅是避免碰撞和到達(dá)目標(biāo)點(diǎn)，其運(yùn)動(dòng)穩(wěn)定性高也是成功執(zhí)行任務(wù)的關(guān)鍵。USV運(yùn)動(dòng)的穩(wěn)定性是一個(gè)在大多數(shù)相關(guān)工作中被忽略的關(guān)鍵屬性，其要求USV的轉(zhuǎn)向角盡可能為合理值，以免轉(zhuǎn)向角在運(yùn)動(dòng)過程中突然大角度改變。Shamsfakhr F［29］等使用ANN的反向傳播算法使得其驗(yàn)證的機(jī)器人在遇到拐角時(shí)也能進(jìn)行穩(wěn)定的運(yùn)動(dòng)。Woo J［30］提出了一種基于深度強(qiáng)化學(xué)習(xí)的USV避碰方法。該方法將COLREGs，對(duì)于不同的情況有不同的回避要求設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)。適用于避碰決策階段，決定是否需要避碰，如需要，決定避碰行動(dòng)的方向。但是未考慮到多船（艇）會(huì)遇和兩船（艇）通過協(xié)商繞開COLREGs進(jìn)行避碰的情況。ANN還具有對(duì)模型的求解困難，需要強(qiáng)大的算力進(jìn)行模型訓(xùn)練的缺點(diǎn)。

針對(duì)局部避碰規(guī)劃算法的優(yōu)缺點(diǎn)以及改進(jìn)方法如表2所示。

表2 局部路徑規(guī)劃算法的優(yōu)缺點(diǎn)以及改進(jìn)策略

4 航向控制

在USV完成避碰的局部路徑規(guī)劃后需要交由航向控制系統(tǒng)實(shí)施避碰，其是USV避碰的關(guān)鍵。航向控制是根據(jù)航向偏差求解目標(biāo)力矩，是一個(gè)時(shí)變、非線性、多擾動(dòng)的復(fù)雜系統(tǒng)，其可以使得USV能夠在航線上出現(xiàn)障礙物時(shí)快速準(zhǔn)確改變航向來確保安全航行。目前常見的航向控制算法主要有PID 算法［31～32］、滑模控制［33～35］、模型預(yù)測控制［36～37］和模糊控制［38～39］。

PID算法是一種經(jīng)典的控制算法，只需調(diào)節(jié)KP、KI、KD的參數(shù)即可快速準(zhǔn)確完成系統(tǒng)的控制。其具有工程實(shí)現(xiàn)方便、魯棒性強(qiáng)等特點(diǎn)［31］。使用PID控制航向要仔細(xì)調(diào)節(jié)控制參數(shù)才能達(dá)到最佳的控制效果，須事先測得USV所有水動(dòng)力參數(shù)并將其輸入系統(tǒng)，難以建立精確的數(shù)學(xué)模型。Yunsheng F［32］提出了一種USV航向控制的模糊自適應(yīng)PID控制算法，通過模糊推理實(shí)現(xiàn)PID航向控制參數(shù)在線整定，且此方法對(duì)參數(shù)變動(dòng)和外部擾動(dòng)具有良好的魯棒性。但PID算法還具有參數(shù)調(diào)節(jié)需要精細(xì)化的缺點(diǎn)。

滑?？刂疲⊿MC）是一類特殊的非線性控制，具有快速響應(yīng)、對(duì)應(yīng)參數(shù)變化及擾動(dòng)不靈敏、無需系統(tǒng)在線辨識(shí)、物理實(shí)現(xiàn)簡單的特點(diǎn)。然而現(xiàn)有的控制器大多是基于線性動(dòng)態(tài)模型設(shè)計(jì)，沒有很好地考慮非線性、各種不確定性。針對(duì)此問題Kim HyunWoo［33］研究提出了一種新的帶擾動(dòng)和狀態(tài)觀測器的魯棒滑?？刂品椒?，用于控制USV水射流系統(tǒng)的噴嘴角。在控制反饋回路中加入狀態(tài)觀測器和干擾觀測器以提高跟蹤性能可以實(shí)現(xiàn)對(duì)USV航向的良好控制，從而增加USV避碰的成功率。Chen Z［34］一種滑?？刂破鱽砀欀本€和其他形狀的任意期望軌跡，并利用飽和函數(shù)來避免抖振現(xiàn)象。與其它控制器相比，該控制器具有更快的響應(yīng)速度、更好的暫態(tài)響應(yīng)和魯棒性。Wang R［35］提出了一種基于積分反推SMC的USV航向徑向基函數(shù)（RBF）網(wǎng)絡(luò)控制算法，實(shí)現(xiàn)了轉(zhuǎn)向過程中船舶的準(zhǔn)確、穩(wěn)定的跟蹤。SMC還具有當(dāng)狀態(tài)軌跡到達(dá)滑動(dòng)模態(tài)面，難以嚴(yán)格沿著滑動(dòng)模態(tài)面向平衡點(diǎn)滑動(dòng)，產(chǎn)生抖振的缺點(diǎn)。

模型預(yù)測控制（MPC）是當(dāng)前的控制動(dòng)作是在每一個(gè)采樣瞬間通過求解一個(gè)有限時(shí)域開環(huán)最優(yōu)控制問題而獲得。MPC能處理PID較難解決的多變量約束優(yōu)化控制問題。為解決USV如何穩(wěn)定地避障問題，王浩［37］等設(shè)計(jì)了一種基于準(zhǔn)無限時(shí)域MPC的軌跡跟蹤控制器。雖然在仿真的條件下可以很快的收斂到期望的航跡，但是未考慮到各類干擾的情況。柳晨光［36］驗(yàn)證了在相同的環(huán)境干擾和初始條件下，非線性模型預(yù)測控制（NMPC）的控制效果比線性模型預(yù)測控制（LMPC）的控制效果更好，得益于計(jì)算機(jī)計(jì)算速度的提升，對(duì)非線性的求解速率也得到提升。

模糊控制（FC）是一種使用模糊數(shù)學(xué)理論的控制方法。其具有比傳統(tǒng)的控制理論更強(qiáng)的控制能力，對(duì)于過于復(fù)雜的系統(tǒng)具有很好的適應(yīng)力的特點(diǎn)。FC的核心是建立一個(gè)合適的模糊控制規(guī)則庫。在USV航行期間，障礙物的分布將影響船體的速度和航向［38］。但是FC精度不高，趙東明［39］等提出了一種應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)算法的航向控制器設(shè)計(jì)方法。通過仿真此設(shè)計(jì)方法具有控制精度高和魯棒性好的特點(diǎn)。為了提高水面USV在未知、復(fù)雜環(huán)境下的連續(xù)避障性能，林政［38］等提出一種具有速度反饋的模糊避障算法，不僅考慮了所有障礙物的分布情況，設(shè)計(jì)了更為全面的模糊控制表，在保證USV避障性能的基礎(chǔ)上降低了USV控制系統(tǒng)的復(fù)雜度。FC還具有控制系統(tǒng)復(fù)雜度高，控制精度不高的缺點(diǎn)。

目前大部分USV的控制還是使用的傳統(tǒng)PID控制，雖然可快速準(zhǔn)確完成系統(tǒng)的控制，但其魯棒性較差，在不同環(huán)境下需要進(jìn)行大量的調(diào)參。未來可以嘗試不同的控制方法來對(duì)USV的控制系統(tǒng)進(jìn)行控制。

針對(duì)PID、滑?？刂?、模糊控制以及模型預(yù)測控制的優(yōu)劣做以下總結(jié)，如表3。

表3 航向控制技術(shù)優(yōu)劣總結(jié)

5 結(jié)語

本文從環(huán)境感知、局部路徑規(guī)劃和航向控制三個(gè)方面對(duì)USV避碰技術(shù)發(fā)展現(xiàn)狀進(jìn)行了闡述，總結(jié)了近年來USV避碰技術(shù)領(lǐng)域取得的成果和不足，分析了各算法的特性及缺陷。由于USV工作環(huán)境的復(fù)雜性和未知性，需要不斷改進(jìn)和完善現(xiàn)有的避碰技術(shù)，提升對(duì)未來的預(yù)測能力，加強(qiáng)系統(tǒng)的自主學(xué)習(xí)能力，使USV系統(tǒng)更具有前瞻性?；赨SV避碰技術(shù)的研究現(xiàn)狀，提出如下展望：

1）在環(huán)境識(shí)別方面，目前僅使用單種類型的傳感器進(jìn)行采集數(shù)據(jù)所獲得的信息遠(yuǎn)不足以支撐USV進(jìn)行環(huán)境識(shí)別。未來應(yīng)使用多傳感器信息融合方法對(duì)環(huán)境進(jìn)行精確的建模，采用魯棒性強(qiáng)的算法對(duì)采集的相關(guān)信息進(jìn)行識(shí)別。

2）在局部路徑規(guī)劃方面，雖然近十幾年來智能算法得到了極大的進(jìn)步，但是在USV的避碰規(guī)劃方面應(yīng)用大多還停留在理論或仿真階段。未來應(yīng)在進(jìn)行局部路徑規(guī)劃時(shí)將任務(wù)區(qū)的水文狀況特征考慮在內(nèi)，這樣可以更貼近于真實(shí)的任務(wù)區(qū)狀態(tài)，從而提高路徑規(guī)劃算法在USV領(lǐng)域的實(shí)用性。

3）目前USV的避碰還未將編隊(duì)和避障問題相結(jié)合，暫未考慮衛(wèi)星定位信號(hào)中斷或雷達(dá)、AIS設(shè)備失效的情況。一些文獻(xiàn)的研究僅限于在開闊水域和可見度良好的情況下，未考慮到風(fēng)浪流對(duì)船航行的干擾。這些將會(huì)是未來研究的重點(diǎn)方向。