王遠(yuǎn)淵，劉佳侖，馬楓，王興平，嚴(yán)新平

1 武漢理工大學(xué) 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(guó)家水運(yùn)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(jì)算機(jī)科學(xué)、自動(dòng)化技術(shù)和通信技術(shù)的智能運(yùn)載工具成為高新技術(shù)領(lǐng)域的研究重點(diǎn)，無(wú)人機(jī)、無(wú)人車(chē)、無(wú)人船等新型運(yùn)載工具應(yīng)運(yùn)而生。其中，無(wú)人船作為水面智能運(yùn)載工具拓展了船舶航行的場(chǎng)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(cè)繪、環(huán)保、安防、軍事等領(lǐng)域的應(yīng)用發(fā)展迅猛。

近年來(lái)，無(wú)人水面船舶的概念正在與船舶貨運(yùn)相結(jié)合，航運(yùn)業(yè)希望通過(guò)構(gòu)建面向行業(yè)需求的智能船舶，達(dá)成智能化和無(wú)人化的目標(biāo)，進(jìn)而實(shí)現(xiàn)：

1） 減少配員。國(guó)際航運(yùn)咨詢機(jī)構(gòu)Moore Stephen最新發(fā)布的航運(yùn)調(diào)查報(bào)告顯示，標(biāo)準(zhǔn)配員的貨船每天需支付的人員成本達(dá)5 000 美元，占總運(yùn)營(yíng)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(dòng)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(wú)人機(jī)艙的普及，為實(shí)現(xiàn)船舶減員、提升運(yùn)營(yíng)收益提供了可能性，遠(yuǎn)洋貨輪船員的現(xiàn)場(chǎng)事務(wù)正在逐步減少，僅需完成日常清點(diǎn)、安全管理和避碰干預(yù)等工作。

2） 提高安全性。雖然船舶配備了雷達(dá)、自動(dòng)識(shí)別系統(tǒng)（automatic identification system, AIS）和電子海圖（electronic navigation chart, ENC）等感知設(shè)備，但遠(yuǎn)洋航行的值守工作枯燥，極易造成駕駛員的視覺(jué)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(fù)存在[1]。船舶的智能化將為安全問(wèn)題的解決提供可靠的保障。

3） 提高載運(yùn)效力。運(yùn)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(shí)現(xiàn)無(wú)人駕駛，將縮減甚至取消船舶橋樓、生活區(qū)和救生設(shè)備，增加貨運(yùn)艙容，從而增加載運(yùn)效力。全球知名船舶設(shè)備供應(yīng)商羅爾斯·羅伊斯公司的研究指出，采用無(wú)人駕駛技術(shù)的貨船運(yùn)行效力將有望提高20%。

4） 降低排放。全球碳排放機(jī)制、船舶能效設(shè)計(jì)指數(shù)（EEDI）和船舶營(yíng)運(yùn)能效指數(shù)（EEOI）的應(yīng)用正在有序推進(jìn)[2]。我國(guó)2013 年印發(fā)的《大氣污染防治行動(dòng)計(jì)劃》明確提出了強(qiáng)化移動(dòng)源污染防治，越來(lái)越嚴(yán)格的排放要求迫使船舶做出改進(jìn)，以降低單位運(yùn)載量的能耗。智能船舶“無(wú)人化”帶來(lái)的運(yùn)載效力提升將極大地促進(jìn)能效政策的實(shí)施。

由于船舶的運(yùn)力大、成本低，船舶運(yùn)輸承擔(dān)了95%的原油運(yùn)輸和99%的鐵礦石運(yùn)輸，因而其在貨物運(yùn)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(yùn)發(fā)展范疇中的重要部分，將革新傳統(tǒng)船舶的駕駛和運(yùn)載方式，使傳統(tǒng)船舶的載運(yùn)變得更為靈活，進(jìn)而借助技術(shù)升級(jí)使船舶在運(yùn)載過(guò)程中減少船員配備、增加運(yùn)載效力、降低污染排放，最終鞏固航運(yùn)在運(yùn)輸領(lǐng)域的地位，滿足航運(yùn)業(yè)安全、節(jié)能、增效等方面的需求。

本文將針對(duì)貨運(yùn)船舶遠(yuǎn)程駕駛的需求和場(chǎng)景，提出參考人機(jī)共融理念的遠(yuǎn)程駕駛控制框架和關(guān)鍵技術(shù)，結(jié)合網(wǎng)絡(luò)控制系統(tǒng)的研究成果，闡述關(guān)鍵技術(shù)的發(fā)展?fàn)顩r，并提出有助于實(shí)現(xiàn)貨船遠(yuǎn)程駕駛的幾點(diǎn)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(guó)際組織、國(guó)家和地區(qū)性質(zhì)的海事監(jiān)管機(jī)構(gòu)、港航企業(yè)、高校，以及新型信息產(chǎn)業(yè)團(tuán)隊(duì)以不同的角色參與到了智能船舶的研發(fā)中，實(shí)現(xiàn)了跨領(lǐng)域的優(yōu)勢(shì)整合。廣泛的協(xié)作在法規(guī)制定、技術(shù)研發(fā)、應(yīng)用示范等方面取得了顯著的成效。

1.1 智能船舶及其遠(yuǎn)程駕駛

2012 年，歐盟聯(lián)合啟動(dòng)了“基于網(wǎng)絡(luò)智能的無(wú)人航海”（maritime unmanned navigation through intelligence in networks, MUNIN）項(xiàng)目，旨在實(shí)現(xiàn)自主船舶和無(wú)人船舶技術(shù)，驗(yàn)證自主船舶概念。該項(xiàng)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(yuǎn)程駕駛技術(shù)[8]、環(huán)境因素風(fēng)險(xiǎn)[9-10]。2015 年，芬蘭國(guó)家技術(shù)創(chuàng)新局聯(lián)合挪威船級(jí)社、芬蘭阿爾托大學(xué)、羅爾斯·羅伊斯公司等多家單位聯(lián)合啟動(dòng)了“高級(jí)自主海上應(yīng)用”（advanced autonomous waterborne applications, AAWA）項(xiàng)目，計(jì)劃用5～8 年的時(shí)間設(shè)計(jì)建造出可以應(yīng)用于遠(yuǎn)洋運(yùn)輸?shù)臒o(wú)人船，使之具備遠(yuǎn)程駕駛、自主駕駛的能力，最終實(shí)現(xiàn)船舶的全自主航行[11]。

國(guó)際海事組織第99 次安全會(huì)議簽署了針對(duì)智能自主船舶（maritime autonomous surface ship，MASS）的法規(guī)框架，用以提升其應(yīng)對(duì)安全、安保和環(huán)境問(wèn)題的能力，并對(duì)MASS 的自主等級(jí)進(jìn)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(guó)船級(jí)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(chǔ)上納入了國(guó)內(nèi)外智能船舶技術(shù)發(fā)展和應(yīng)用的新成果，按照局部應(yīng)用到全船整體應(yīng)用、輔助決策到完全自主的發(fā)展方向，細(xì)化了遠(yuǎn)程控制操作和自主操作功能要求，對(duì)不同的場(chǎng)景和船員在船情況進(jìn)行了詳細(xì)的規(guī)范，形成了完整的智能船舶規(guī)范框架及相應(yīng)的功能和技術(shù)要求。

針對(duì)不同等級(jí)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(jí)的提升，船舶操作人員和管理人員對(duì)船舶控制的參與和相關(guān)的控制力逐漸遞減。灰色部分表明了該階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(duì)船舶駕駛的參與和控制力。

圖1 船舶自主化等級(jí)帶來(lái)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(dòng)化機(jī)艙、自動(dòng)化操縱設(shè)備等系統(tǒng)為智能航行提供了基礎(chǔ)，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(yīng)對(duì)航道狹窄彎曲、感潮河段、船舶交通擁擠、過(guò)橋頻繁等通航問(wèn)題。因此，考慮到現(xiàn)有的自主航行系統(tǒng)無(wú)法保障智能船舶在所有復(fù)雜環(huán)境下安全航行，遠(yuǎn)程駕駛是實(shí)現(xiàn)船舶無(wú)人化的必要技術(shù)支持和手段。

1.2 遠(yuǎn)程駕駛實(shí)踐

國(guó)際上，各大船舶智能航行團(tuán)隊(duì)均將遠(yuǎn)程駕駛作為智能船舶發(fā)展的重要部分，并進(jìn)行了初步的研發(fā)和工程實(shí)踐。最新成果包括：2017 年9 月，瓦錫蘭公司率先實(shí)現(xiàn)了船舶的遠(yuǎn)程駕駛，通過(guò)使用常規(guī)衛(wèi)星通信，在美國(guó)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(jìn)行了4 h 的遠(yuǎn)程遙控船舶操作測(cè)試，完成了電腦數(shù)字輸入和手動(dòng)操縱桿操作，實(shí)現(xiàn)了動(dòng)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(yùn)輸廳合作，在Suomenlinna II 輪渡上實(shí)現(xiàn)了遠(yuǎn)程遙控試驗(yàn)。隨后，羅爾斯·羅伊斯公司和Finferries 公司合作，實(shí)現(xiàn)了拖輪和渡輪的遠(yuǎn)程控制。2019 年9 月，挪威船級(jí)社與自動(dòng)化系統(tǒng)供應(yīng)商H?glund 等合作，在Fannefjord 號(hào)渡輪上實(shí)現(xiàn)了自動(dòng)系統(tǒng)和輪機(jī)設(shè)備的遠(yuǎn)程控制。該系統(tǒng)的總體目標(biāo)是提供操作優(yōu)化和提升效率，同時(shí)確保安全水平優(yōu)于或等同于當(dāng)前的人工操作水平[14]（如圖2(b)所示）。2019 年12 月，韓國(guó)三星重工在大田控制中心對(duì)位于250 km 外的一艘縮比模型船進(jìn)行了遠(yuǎn)程駕駛，演示驗(yàn)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(guó)外團(tuán)隊(duì)的遠(yuǎn)程駕駛實(shí)踐Fig. 2 Remote control practice of foreign teams

我國(guó)智能船舶研發(fā)團(tuán)隊(duì)在遠(yuǎn)程駕駛實(shí)踐方面也取得了一些進(jìn)展。2019 年5 月，智慧航海（青島）科技有限公司在位于青島藍(lán)谷的智能航運(yùn)技術(shù)創(chuàng)新與綜合實(shí)驗(yàn)基地，演示了“智騰”號(hào)的遠(yuǎn)程駕駛功能。2019 年10 月，武漢理工大學(xué)國(guó)家水運(yùn)安全工程技術(shù)研究中心自主水路交通系統(tǒng)團(tuán)隊(duì)赴瓦赫寧根，在荷蘭海事研究所等單位代表的見(jiàn)證下，現(xiàn)場(chǎng)展示了基于“航行腦系統(tǒng)”的遠(yuǎn)程駕駛系統(tǒng)，成功從荷蘭瓦赫寧根遠(yuǎn)程控制了位于中國(guó)武漢市湯遜湖的7 m 長(zhǎng)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(zhǎng)的“筋斗云0 號(hào)”上測(cè)試了遠(yuǎn)程駕駛系統(tǒng)，在船長(zhǎng)的指揮下于岸基控制中心完成了船舶的遠(yuǎn)程離泊和橋區(qū)航行。

2 基于人機(jī)共融的船舶遠(yuǎn)程駕駛

2.1 無(wú)人船艇遠(yuǎn)程控制現(xiàn)狀

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

圖3 無(wú)人艇遠(yuǎn)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(duì)于貨船，其航行范圍較大，不可能使用專網(wǎng)進(jìn)行點(diǎn)對(duì)點(diǎn)通信，使用公網(wǎng)通信勢(shì)必帶來(lái)通信不可控的風(fēng)險(xiǎn)。此外，由于貨船的遠(yuǎn)程控制多應(yīng)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(guò)程中需要頻繁進(jìn)行轉(zhuǎn)向、保向、保速、加減速操作，例如采用遠(yuǎn)程遙控的直接結(jié)構(gòu)，船舶在通信時(shí)延等問(wèn)題的影響下航行穩(wěn)定性將極度不可控。

2.2 基于人機(jī)共融的船舶遠(yuǎn)程駕駛框架

人機(jī)共融就是人與機(jī)器人從單一的人類控制機(jī)器人，轉(zhuǎn)變?yōu)槿祟惻c機(jī)器人在同一空間共存，既能緊密協(xié)調(diào)工作、自主實(shí)現(xiàn)自身技能又能保證安全而不至于擔(dān)心機(jī)器人失控，這是一種更加自然的作業(yè)狀態(tài)。人機(jī)共融的理念和技術(shù)促使人與機(jī)器在協(xié)作領(lǐng)域內(nèi)進(jìn)行交互和協(xié)同工作。當(dāng)前，相關(guān)應(yīng)用已經(jīng)從基礎(chǔ)的機(jī)械加工和協(xié)助，發(fā)展成通過(guò)相互協(xié)作完成不同環(huán)境下的復(fù)雜任務(wù)。人機(jī)共融關(guān)鍵技術(shù)包括結(jié)構(gòu)設(shè)計(jì)與動(dòng)力學(xué)設(shè)計(jì)、共融機(jī)器人的環(huán)境主動(dòng)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(lǐng)域，船體和設(shè)備的設(shè)計(jì)已經(jīng)較為成熟，船舶的感知系統(tǒng)已廣泛應(yīng)用且日趨成熟。本文將重點(diǎn)對(duì)實(shí)現(xiàn)船舶遠(yuǎn)程駕駛的系統(tǒng)網(wǎng)絡(luò)問(wèn)題和控制決策關(guān)鍵技術(shù)問(wèn)題進(jìn)行分析和綜述。

參考人機(jī)共融的概念，為了實(shí)現(xiàn)智能遠(yuǎn)程駕駛，需要介入控制器，構(gòu)建船舶網(wǎng)絡(luò)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(shí)延和操縱設(shè)備的反應(yīng)時(shí)延很短；內(nèi)部網(wǎng)絡(luò)和設(shè)備間物理連接簡(jiǎn)單，幾乎不會(huì)產(chǎn)生感知、控制信息的丟失。關(guān)于船舶控制時(shí)延的研究多針對(duì)船舶慣性帶來(lái)的運(yùn)動(dòng)響應(yīng)時(shí)延，而非系統(tǒng)控制過(guò)程的時(shí)延[17]。此外，瓦錫蘭、羅爾斯·羅伊斯等公司的團(tuán)隊(duì)對(duì)實(shí)現(xiàn)船舶遠(yuǎn)程駕駛的細(xì)節(jié)采取了技術(shù)保密。為數(shù)不多的基于網(wǎng)絡(luò)控制的船舶控制文獻(xiàn)[18-19]是將網(wǎng)絡(luò)時(shí)延影響作為未知的非線性函數(shù)處理，采用改進(jìn)的魯棒自適應(yīng)控制器，借助神經(jīng)網(wǎng)絡(luò)進(jìn)行逼近，但缺乏對(duì)網(wǎng)絡(luò)前饋和反饋鏈路上時(shí)延的分析和量化，在神經(jīng)網(wǎng)絡(luò)進(jìn)行逼近的過(guò)程中無(wú)法快速應(yīng)對(duì)不確定性數(shù)量級(jí)躍遷帶來(lái)的逼近精度抖動(dòng)。因此，并無(wú)太多針對(duì)船舶遠(yuǎn)程操縱和控制的相關(guān)研究。

相較于船舶領(lǐng)域，網(wǎng)絡(luò)控制系統(tǒng)（networked control system, NCS）的研究可以追溯到20 世紀(jì)80 年代，Halevi 等[20]首次將控制系統(tǒng)和通信網(wǎng)絡(luò)結(jié)合在一起研究，探討了具有隨機(jī)時(shí)延系統(tǒng)的建模問(wèn)題。這方面的研究在醫(yī)療機(jī)器人、服務(wù)機(jī)器人、水下機(jī)器人和無(wú)人機(jī)等相關(guān)領(lǐng)域更為廣泛[21]。其具備實(shí)現(xiàn)遠(yuǎn)程控制的能力，可實(shí)現(xiàn)設(shè)備的資源共享，操作和維護(hù)簡(jiǎn)便，已成為了控制界的研究熱點(diǎn)[22]。

SNCS 分為閉環(huán)結(jié)構(gòu)和開(kāi)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(luò)和被控對(duì)象組成。其工作原理為：傳感器通過(guò)采樣卡(data acquisition, DAQ)將被控對(duì)象的狀態(tài)和姿態(tài)輸出離散化作為感知信息，然后通過(guò)通信網(wǎng)絡(luò)傳輸至控制端，控制端所計(jì)算的控制信號(hào)通過(guò)通信網(wǎng)絡(luò)傳輸至被控對(duì)象，最后通過(guò)零階保持函數(shù)產(chǎn)生連續(xù)的時(shí)序控制信號(hào)，通過(guò)執(zhí)行器控制被控對(duì)象。其控制邏輯如圖4 所示。

圖4 船舶網(wǎng)絡(luò)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(kāi)環(huán)SNCS 結(jié)構(gòu)是將控制器放在船舶現(xiàn)場(chǎng)，現(xiàn)場(chǎng)控制器直接對(duì)被控對(duì)象進(jìn)行完全控制，遠(yuǎn)程控制端僅作為監(jiān)督方，在必要的時(shí)候進(jìn)行決策干預(yù)，如圖5 所示。這種模式的特點(diǎn)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(shí)，整個(gè)控制過(guò)程中的通信僅有前饋信息，系統(tǒng)響應(yīng)較慢，遠(yuǎn)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(guò)程中需要綜合對(duì)比兩種結(jié)構(gòu)的優(yōu)劣，根據(jù)應(yīng)用場(chǎng)景的區(qū)別，通過(guò)改變控制器的部署地點(diǎn)，尋求更佳的遠(yuǎn)程駕駛控制效果。

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

2.3 基于人機(jī)共融的船舶遠(yuǎn)程駕駛等級(jí)及關(guān)鍵技術(shù)

智能船舶遠(yuǎn)程駕駛作為應(yīng)急操作手段，在智能系統(tǒng)出現(xiàn)異?；蛲ê江h(huán)境和航行任務(wù)復(fù)雜度超越系統(tǒng)智能度的情況下進(jìn)行人工介入；由于貨船的航行受通航規(guī)則和進(jìn)港指南的約束，在特定的區(qū)域需要引航員的輔助，通過(guò)遠(yuǎn)程駕駛可以為引航提供條件；還可以為海上救援等精細(xì)化操作提供基礎(chǔ)；也可以作為船舶航行時(shí)航次計(jì)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(fēng)險(xiǎn)時(shí)的最終決策端口。

船舶遠(yuǎn)程駕駛的實(shí)現(xiàn)不可避免地將通過(guò)通信網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)交換。雖然高速以太網(wǎng)技術(shù)、現(xiàn)場(chǎng)總線技術(shù)、信息壓縮技術(shù)的發(fā)展為NCS 的可靠性和開(kāi)放性提供了保障，但是受限于通信網(wǎng)絡(luò)的帶寬、通信網(wǎng)絡(luò)設(shè)備軟硬件的穩(wěn)定性、隨機(jī)變化的通信網(wǎng)絡(luò)負(fù)載和傳輸機(jī)制，SNCS 在船岸協(xié)同的通信過(guò)程中將不可避免地遇到以下3 個(gè)問(wèn)題：

1） 時(shí)延問(wèn)題。感知和控制信息在通信網(wǎng)絡(luò)中傳輸時(shí)的路由機(jī)制使信息的傳輸路徑不確定，而網(wǎng)絡(luò)復(fù)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(shí)變性使網(wǎng)絡(luò)時(shí)延產(chǎn)生具有不確定性。該不確定性同時(shí)將隨著通信距離的加大進(jìn)一步復(fù)雜和難以控制[23-24]。

2） 丟包問(wèn)題。因?yàn)榫W(wǎng)絡(luò)信號(hào)不絕對(duì)穩(wěn)定、網(wǎng)絡(luò)節(jié)點(diǎn)的緩沖區(qū)容量和路由器處理能力有限，加之網(wǎng)絡(luò)負(fù)載狀況是不確定的，所以通信網(wǎng)絡(luò)工作時(shí)會(huì)引起緩沖區(qū)溢出和路由器擁塞等問(wèn)題，這些問(wèn)題會(huì)導(dǎo)致信息傳輸出現(xiàn)數(shù)據(jù)包隨機(jī)和突發(fā)的丟失[25-26]。

3） 通信網(wǎng)絡(luò)斷路。船?岸之間的通信鏈路在遭遇由通信設(shè)備軟硬件問(wèn)題或賽博（cyber）安全問(wèn)題導(dǎo)致的通信網(wǎng)絡(luò)斷路時(shí)，勢(shì)必會(huì)引起船舶運(yùn)動(dòng)控制信號(hào)的缺失，使船舶的運(yùn)動(dòng)處于完全不可控的狀態(tài)[4]。

以上船舶遠(yuǎn)程駕駛通信網(wǎng)絡(luò)問(wèn)題會(huì)給遠(yuǎn)程駕駛相關(guān)的人員、船舶、貨物和環(huán)境安全帶來(lái)極大的風(fēng)險(xiǎn)和挑戰(zhàn)，因此需要應(yīng)用某些關(guān)鍵技術(shù)和補(bǔ)充適當(dāng)?shù)陌踩珯C(jī)制予以應(yīng)對(duì)。

在實(shí)現(xiàn)船舶遠(yuǎn)程駕駛的過(guò)程中，運(yùn)動(dòng)控制、運(yùn)動(dòng)建模和自主決策同樣重要；對(duì)于航行在限制水域或靠離泊的船舶，更是如此。

1） 運(yùn)動(dòng)控制。船舶運(yùn)動(dòng)具有很強(qiáng)的慣性、時(shí)滯性和非線性，操縱結(jié)構(gòu)體現(xiàn)為欠驅(qū)動(dòng)性，設(shè)備的響應(yīng)時(shí)間長(zhǎng)，且受風(fēng)浪流等環(huán)境影響后的運(yùn)動(dòng)更為復(fù)雜，因此控制船舶克服自身的操縱性不足，應(yīng)對(duì)不確定的環(huán)境干擾，使船舶穩(wěn)定地執(zhí)行航次計(jì)劃的難度很大[27-28]。

2） 運(yùn)動(dòng)建模。船舶的運(yùn)動(dòng)模型既是船舶遠(yuǎn)程駕駛網(wǎng)絡(luò)丟包補(bǔ)償?shù)幕A(chǔ)，又是很多智能控制器構(gòu)建的基礎(chǔ)。船舶的水動(dòng)力有很強(qiáng)的非線性特征，船體、槳、舵之間響應(yīng)又有很強(qiáng)的耦合，風(fēng)、浪、流等環(huán)境干擾的影響使船舶運(yùn)動(dòng)模型的構(gòu)建更為復(fù)雜。

3） 自主決策。船舶遠(yuǎn)程駕駛給船舶的駕駛模式帶來(lái)了無(wú)人化的風(fēng)險(xiǎn)和挑戰(zhàn)，處于遠(yuǎn)程駕駛模式的船舶應(yīng)具備適當(dāng)?shù)淖灾鳑Q策能力，以應(yīng)對(duì)復(fù)雜的通航環(huán)境，并解決各種不確定因素給船舶帶來(lái)的風(fēng)險(xiǎn)。

智能感知技術(shù)是船舶遠(yuǎn)程駕駛技術(shù)實(shí)現(xiàn)的基礎(chǔ)。目前，船舶的感知技術(shù)已趨于成熟，融合雷達(dá)、AIS、電子海圖、測(cè)深儀等設(shè)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(shí)船使用過(guò)程中證明了可靠性?？紤]到新型船舶感知設(shè)備和技術(shù)的發(fā)展?fàn)顩r，后文將針對(duì)幾項(xiàng)有應(yīng)用空間的感知設(shè)備和技術(shù)，討論其應(yīng)用于船舶遠(yuǎn)程駕駛的可能性。

參考MUNIN 項(xiàng)目[29]對(duì)遠(yuǎn)程控制的界定，遠(yuǎn)程駕駛需要在有效通信的基礎(chǔ)上反饋感知信息，作為遠(yuǎn)程控制中心人員的決策依據(jù)，在考慮人機(jī)共融的理念上，遠(yuǎn)程駕駛技術(shù)可分為以下級(jí)別：

1) 遠(yuǎn)程實(shí)時(shí)駕駛（RL1）——船員在岸端通過(guò)通信網(wǎng)絡(luò)發(fā)布操縱信號(hào)，實(shí)現(xiàn)對(duì)船舶槳、舵等設(shè)備的控制，實(shí)現(xiàn)船舶的遠(yuǎn)程操縱；

2) 遠(yuǎn)程自動(dòng)駕駛（RL2）——船員在岸端發(fā)布操縱目標(biāo)，借助控制器生成船舶槳、舵等設(shè)備的控制信號(hào)，實(shí)現(xiàn)船舶的遠(yuǎn)程自動(dòng)駕駛操縱；

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

基于以上分析，船舶遠(yuǎn)程駕駛的實(shí)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(yuǎn)程駕駛可以通過(guò)通信鏈路直接發(fā)布船舶槳、舵等設(shè)備的控制信號(hào)實(shí)現(xiàn)RL1 級(jí)遠(yuǎn)程駕駛。

圖6 船舶遠(yuǎn)程駕駛技術(shù)等級(jí)和實(shí)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(luò)帶來(lái)的隨機(jī)時(shí)延，通過(guò)引入時(shí)延預(yù)測(cè)器和補(bǔ)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(jìn)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(fù)雜操縱；當(dāng)系統(tǒng)的反饋感知信息傳輸通道發(fā)生信息丟包時(shí)，激活丟包補(bǔ)償機(jī)制，利用輔助模型使用上一刻的狀態(tài)變量進(jìn)行狀態(tài)估計(jì)、替代狀態(tài)反饋?zhàn)兞?，使控制器可以正常提供?dāng)前的控制量，實(shí)現(xiàn)RL2 級(jí)遠(yuǎn)程自動(dòng)駕駛。

3） 在通信網(wǎng)絡(luò)前饋和反饋通路均無(wú)法保證安全的狀況下，在N倍控制間隔時(shí)間內(nèi)保持使用上一刻可用控制信號(hào)，超過(guò)安全閾值后切換至船舶安全機(jī)制或自主決策模式，以保障船舶、貨物和環(huán)境的安全；同時(shí)，船端的自主決策功能可以實(shí)現(xiàn)基于岸端的航次計(jì)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(shí)現(xiàn)RL3 級(jí)遠(yuǎn)程自主駕駛。

3 關(guān)鍵技術(shù)研究現(xiàn)狀

近年來(lái)，研究人員在NCS 領(lǐng)域取得了一系列進(jìn)展。Tipsuwan 等[30]和Hespanha 等[31]對(duì)網(wǎng)絡(luò)控制時(shí)延、信息丟包等方面的研究成果進(jìn)行了綜述。芮萬(wàn)智等[32]從控制與調(diào)度協(xié)同、錯(cuò)誤識(shí)別與系統(tǒng)容錯(cuò)方面對(duì)NCS 的研究進(jìn)行了綜述。You等[33]從信息理論、網(wǎng)絡(luò)理論、采樣理論等方面進(jìn)行了分析總結(jié)。著眼于控制過(guò)程的不確定性和時(shí)變隨機(jī)性，以及由此帶來(lái)的安全風(fēng)險(xiǎn)，學(xué)者們開(kāi)展了大量的研究工作。同時(shí)，與船舶遠(yuǎn)程駕駛相關(guān)的運(yùn)動(dòng)建模、運(yùn)動(dòng)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(luò)問(wèn)題

3.1.1 網(wǎng)絡(luò)時(shí)延預(yù)測(cè)和補(bǔ)償

目前，針對(duì)網(wǎng)絡(luò)時(shí)延的補(bǔ)償控制策略大致分為3 個(gè)方向：一是優(yōu)化網(wǎng)絡(luò)通信協(xié)議[34]和傳輸機(jī)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(luò)通信協(xié)議和傳輸機(jī)制只能在很小程度上降低時(shí)延，但是對(duì)改善時(shí)延帶來(lái)的系統(tǒng)響應(yīng)抖動(dòng)效果不夠明顯。通過(guò)增加被控系統(tǒng)的自主性可以減少對(duì)被控系統(tǒng)控制的頻率，從而降低網(wǎng)絡(luò)控制系統(tǒng)時(shí)延的影響，但是系統(tǒng)的實(shí)時(shí)性和透明度都會(huì)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(guò)程中的參與靈活性大大降低，從而帶來(lái)船舶控制的不確定性。

相比之下，通過(guò)優(yōu)化控制策略可以在進(jìn)行控制器設(shè)計(jì)及系統(tǒng)分析過(guò)程中獲取實(shí)時(shí)的前饋和反饋信息，及時(shí)有效地完成NCS 的閉環(huán)控制，因而對(duì)時(shí)延補(bǔ)償和控制鎮(zhèn)定具有很好的工程實(shí)踐意義?？刂扑惴ㄖ袝r(shí)延的不確定性建模對(duì)時(shí)延補(bǔ)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(duì)NCS 系統(tǒng)的時(shí)延轉(zhuǎn)換為跳變系統(tǒng)進(jìn)行了分析和預(yù)測(cè)。Zhou 等[40]和Yang 等[41]采用伯努利分布的隨機(jī)二進(jìn)制切換序列，在無(wú)需知道NCS 系統(tǒng)時(shí)延概率分布的前提下將其轉(zhuǎn)換為非線性離散系統(tǒng)進(jìn)行分析。但是，以上方法的運(yùn)算結(jié)果極度依賴可信度的整定，且方法較為復(fù)雜，目前還處于理論和仿真階段。出于工程實(shí)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(yù)測(cè)系統(tǒng)時(shí)延，解決了不確定時(shí)延影響下控制系統(tǒng)不穩(wěn)定的情況。

在鎮(zhèn)定控制器設(shè)計(jì)方面，Xi 等[44]和劉馨[45]提出了基于事件的控制方法，通過(guò)將被控系統(tǒng)的狀態(tài)作為參變量，將控制量的生成過(guò)程變?yōu)榛诖丝刂品椒ǖ膮⒆兞浚瑢⑾到y(tǒng)的控制變成了“Move and Wait”事件驅(qū)動(dòng)型。但是該方法控制效率低，實(shí)時(shí)性差。Xu 等[46]和Zhao 等[47]將NCS 系統(tǒng)建模為隨機(jī)系統(tǒng)，利用隨機(jī)系統(tǒng)理論設(shè)計(jì)控制器，保障系統(tǒng)控制的穩(wěn)定性。但是，此方法的假設(shè)前提是時(shí)延需滿足特殊的分布，對(duì)隨機(jī)性不符合確定分布網(wǎng)絡(luò)的控制效果有待提升。

預(yù)測(cè)控制方法處理NCS 系統(tǒng)時(shí)延問(wèn)題的效果較好。其基本思路是：傳感器通過(guò)網(wǎng)絡(luò)反饋給控制器過(guò)往一段時(shí)間的感知信息，對(duì)被控對(duì)象現(xiàn)在和將來(lái)一段時(shí)間的目標(biāo)狀態(tài)基于控制量進(jìn)行預(yù)估，將相應(yīng)時(shí)間序列下的信號(hào)用于被控對(duì)象。Hu 等[48]和Zhao 等[49]使用自回歸積分滑動(dòng)平均模型，提出了網(wǎng)絡(luò)預(yù)測(cè)控制方法，對(duì)網(wǎng)絡(luò)回路的雙向時(shí)延進(jìn)行測(cè)量和補(bǔ)償，但廣域網(wǎng)里很難做到時(shí)鐘同步、進(jìn)行雙向時(shí)延測(cè)量。Peng 等[50]和He 等[51]通過(guò)構(gòu)建Lyapunov-Krasovskii 函數(shù)構(gòu)建補(bǔ)償器，完成了對(duì)NCS 系統(tǒng)時(shí)延的有效補(bǔ)償和鎮(zhèn)定控制。Künhe 等[52]和唐祎[53]通過(guò)引入被控機(jī)器人的線性和非線性模型完成了對(duì)機(jī)器人的遠(yuǎn)程軌跡跟蹤控制。但是，基于模型的預(yù)測(cè)算法（model predictive control, MPC）存在控制效果嚴(yán)重依賴模型準(zhǔn)確度的問(wèn)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(cè)器[55]的NCS 設(shè)計(jì)，但這些方法多停留在理論階段，沒(méi)有進(jìn)行實(shí)際的工程實(shí)踐。基于工程實(shí)踐簡(jiǎn)便可靠的原則，Chen 等[56]和Lai 等[57]結(jié)合自適應(yīng)Smith-神經(jīng)網(wǎng)絡(luò)補(bǔ)償控制算法對(duì)控制進(jìn)行補(bǔ)償，解決了受不確定時(shí)延影響的控制系統(tǒng)不穩(wěn)定問(wèn)題。

3.1.2 網(wǎng)絡(luò)丟包預(yù)測(cè)和補(bǔ)償

針對(duì)NCS 系統(tǒng)中反饋信息丟包的補(bǔ)償問(wèn)題，Ling 等[58]將丟包系統(tǒng)的輸出轉(zhuǎn)化成概率函數(shù)，通過(guò)最小能量譜指標(biāo)給出了丟包的補(bǔ)償方案。Li等[59]和Xue 等[60]參考?xì)v史狀態(tài)信息和控制信息，借助預(yù)測(cè)機(jī)制完成了對(duì)丟包的預(yù)測(cè)補(bǔ)償。

另一種方法是隨機(jī)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(jī)穩(wěn)定的充分條件，提出了用于補(bǔ)償信息丟包問(wèn)題的控制器設(shè)計(jì)方案。Lu 等[63]和Li 等[64]將丟包問(wèn)題建模為伯努利分布的隨機(jī)過(guò)程，針對(duì)不確定性期望提出了基于觀測(cè)器的反饋控制方法。

目前，在應(yīng)用方面較為有效的方法是輔助模型補(bǔ)償控制法。這是一種結(jié)合了開(kāi)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(dāng)感知信息可以在通信網(wǎng)絡(luò)中正常傳輸時(shí)直接將其作為控制器的輸入信號(hào)，這種模式為傳統(tǒng)的閉環(huán)控制；當(dāng)感知信息在通信網(wǎng)絡(luò)中的傳輸誘導(dǎo)了信息的丟包和丟幀，則基于被控對(duì)象的數(shù)學(xué)模型和前一時(shí)刻的感知信息預(yù)測(cè)此刻被控對(duì)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(duì)象的模型，針對(duì)具有馬爾科夫隨機(jī)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(lǐng)域，該技術(shù)已應(yīng)用在了自主式水下機(jī)器人（AUV）、水下遙控機(jī)器人（ROV）和水下滑翔機(jī)等設(shè)備的定位和控制方面[69-70]。

3.1.3 船舶遠(yuǎn)程駕駛安全

船舶的遠(yuǎn)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(yuǎn)程駕駛的發(fā)展會(huì)由于駕駛模式變化帶來(lái)新的風(fēng)險(xiǎn)和挑戰(zhàn)，并闡述了船舶遇到遠(yuǎn)程駕駛異常時(shí)需要實(shí)現(xiàn)故障自趨安全（Fail-to-safe）程序，以應(yīng)對(duì)威脅船舶航行安全的狀況。R?dseth等[5]提出，智能船舶會(huì)由于無(wú)人化帶來(lái)新的問(wèn)題，尤其是船舶航行過(guò)程中容易受到不良通信的影響，船舶應(yīng)當(dāng)具備適當(dāng)?shù)淖灾髂芰?，以?yīng)對(duì)外界不確定性或惡意干擾帶來(lái)的危害。

此外，智能船舶的遠(yuǎn)程駕駛應(yīng)該滿足cyber 安全的規(guī)范和要求。挪威船級(jí)社提出遠(yuǎn)程駕駛的船舶需要在通信鏈路中考慮網(wǎng)絡(luò)攻擊防護(hù)措施，確保遠(yuǎn)程控制中心對(duì)船舶的控制[71]。勞氏船級(jí)社從系統(tǒng)和人為兩個(gè)角度出發(fā)，提出在航船舶的網(wǎng)絡(luò)和計(jì)算機(jī)系統(tǒng)所包含的通信導(dǎo)航設(shè)備應(yīng)當(dāng)有足夠的措施確保信息安全[72]。世界航運(yùn)協(xié)會(huì)等組織細(xì)化了cyber 安全方面的行為規(guī)范，從識(shí)別、預(yù)防、發(fā)現(xiàn)風(fēng)險(xiǎn)，風(fēng)險(xiǎn)反應(yīng)和風(fēng)險(xiǎn)后的恢復(fù)等角度提出了明確的標(biāo)準(zhǔn)和流程[73]。

3.2 船舶運(yùn)動(dòng)控制及自主航行決策

3.2.1 船舶運(yùn)動(dòng)建模

船舶運(yùn)動(dòng)建模對(duì)研究船舶的遠(yuǎn)程駕駛至關(guān)重要，不僅可以在遠(yuǎn)程駕駛中為網(wǎng)絡(luò)信息丟包補(bǔ)償提供基礎(chǔ)，而且也是某些智能運(yùn)動(dòng)控制器構(gòu)建的基礎(chǔ)，同時(shí)可以作為仿真平臺(tái)在安全和經(jīng)濟(jì)的基礎(chǔ)上對(duì)船舶運(yùn)動(dòng)進(jìn)行全方位仿真測(cè)試。

船舶運(yùn)動(dòng)模型分為線性整體響應(yīng)模型和非線性分離模型。線性整體響應(yīng)模型簡(jiǎn)單、易于辨識(shí)，但無(wú)法明確船體、舵和螺旋槳之間的關(guān)系，無(wú)法有效累加外界環(huán)境因素，對(duì)船舶低速運(yùn)動(dòng)的反應(yīng)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(dú)立的部分，通過(guò)研究各部分單獨(dú)的水動(dòng)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(yùn)動(dòng)和動(dòng)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(yùn)動(dòng)中，通過(guò)構(gòu)建非線性運(yùn)動(dòng)模型研究了船舶在各種工況和環(huán)境因素下的運(yùn)動(dòng)響應(yīng)。

傳統(tǒng)的船舶建模使用平面運(yùn)動(dòng)機(jī)構(gòu)（planar motion mechanism，PMM）方法或水池拖曳試驗(yàn)，配合機(jī)理建模來(lái)構(gòu)建船舶運(yùn)動(dòng)數(shù)學(xué)模型，但如果實(shí)驗(yàn)船舶尺度過(guò)大，則無(wú)可用的實(shí)驗(yàn)條件進(jìn)行該測(cè)試。計(jì)算流體動(dòng)力學(xué)（CFD）軟件可以為船舶建模提供試驗(yàn)數(shù)據(jù)，其缺點(diǎn)是依賴大量的設(shè)備運(yùn)算，需要大量的時(shí)間繪制網(wǎng)格和進(jìn)行擬合試驗(yàn)。此外，可以根據(jù)ITTC 建議的回轉(zhuǎn)試驗(yàn)和Z 形操縱試驗(yàn)要求，進(jìn)行船舶開(kāi)環(huán)試驗(yàn)，將試驗(yàn)結(jié)果作為系統(tǒng)識(shí)別算法的輸入，用于計(jì)算船舶相應(yīng)的水動(dòng)力參數(shù)[77]，從而構(gòu)建船舶非線性運(yùn)動(dòng)模型。

對(duì)于系統(tǒng)識(shí)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(shí)別的歷史追蹤信息，實(shí)現(xiàn)系統(tǒng)識(shí)別分析的自適應(yīng)化，最終可以構(gòu)建適用于船舶的運(yùn)動(dòng)模型，為智能船舶的自主航行仿真試驗(yàn)和實(shí)船試驗(yàn)提供操縱性預(yù)報(bào)。Pereira 等[80]使用卡爾曼濾波器對(duì)ROV的數(shù)學(xué)模型進(jìn)行了識(shí)別，并對(duì)實(shí)驗(yàn)數(shù)據(jù)和仿真運(yùn)動(dòng)響應(yīng)進(jìn)行了比較，驗(yàn)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(duì)一艘19 萬(wàn) t 的油船進(jìn)行了水動(dòng)力參數(shù)的識(shí)別和運(yùn)動(dòng)建模。Moreno-Salinas 等[82]使用支持向量機(jī)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理，構(gòu)建了二階船舶運(yùn)動(dòng)模型。

3.2.2 船舶運(yùn)動(dòng)控制

船舶的動(dòng)力驅(qū)動(dòng)結(jié)構(gòu)有很強(qiáng)的欠驅(qū)動(dòng)性，各操縱設(shè)備有特殊的約束，且易受環(huán)境干擾，船舶運(yùn)動(dòng)表現(xiàn)為大慣性、長(zhǎng)時(shí)滯和高非線性，因此船舶運(yùn)動(dòng)控制一直是船舶自動(dòng)化領(lǐng)域的研究熱點(diǎn)。上世紀(jì)80 年代，隨著微型計(jì)算機(jī)技術(shù)的發(fā)展，傳統(tǒng)PID 控制器在船舶運(yùn)動(dòng)控制中得到了廣泛應(yīng)用。針對(duì)該類控制器的參數(shù)為確定值，其控制效果無(wú)法適用更多范圍的問(wèn)題，增益調(diào)參法（gain scheduling approach）[83]被應(yīng)用到了自動(dòng)舵系統(tǒng)中，然而該類控制方法也無(wú)法滿足船舶所遇到的復(fù)雜環(huán)境帶來(lái)的多種不確定性干擾[84-85]。

為了解決傳統(tǒng)控制方法無(wú)法很好處理不確定性的問(wèn)題，自整定PID 方法[86-87]、模型預(yù)測(cè)自適應(yīng)算法[88-89]、線性二次高斯算法[90]、Batch 自適應(yīng)算法[91]等控制方法均被應(yīng)用于船舶控制中，以補(bǔ)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(luò)[27,28]等智能算法在船舶運(yùn)動(dòng)控制中得到了很好的應(yīng)用。

3.2.3 船舶自主決策

智能船舶，尤其是智能貨運(yùn)船舶會(huì)航行在廣闊的水域，其航行和避碰決策應(yīng)當(dāng)受到《國(guó)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(shí)現(xiàn)了避碰動(dòng)作的規(guī)劃。Benjamin 等[101]使用基于行為的多目標(biāo)優(yōu)化方法，將規(guī)則轉(zhuǎn)化為行為，已初步應(yīng)用在了相關(guān)領(lǐng)域。針對(duì)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(yàn)結(jié)果表明，該方法有很好的計(jì)算效率。Hu 等[103]基于風(fēng)險(xiǎn)意識(shí)的判別使用多目標(biāo)優(yōu)化方法為船舶提供全局和局部路徑規(guī)劃，實(shí)現(xiàn)了船舶航路點(diǎn)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(duì)人工勢(shì)場(chǎng)進(jìn)行改進(jìn)，采用模糊推理的方法實(shí)現(xiàn)了路徑的生成和跟蹤，以及典型會(huì)遇情況下滿足規(guī)則的避碰。Cheon等[105]使用8 m 長(zhǎng)的無(wú)人船，采用可變動(dòng)空間搜索和模糊推理法生成最優(yōu)路線，進(jìn)行了5 艘船舶在復(fù)雜航行環(huán)境下的避碰試驗(yàn)，試驗(yàn)結(jié)果表明船舶采取和執(zhí)行了正確的避碰決策，實(shí)現(xiàn)了基于COLREG的避碰。

4 智能感知技術(shù)應(yīng)用于船舶遠(yuǎn)程駕駛的思考

近年來(lái)，船舶的感知技術(shù)逐漸成熟，激光雷達(dá)、機(jī)器視覺(jué)等技術(shù)的應(yīng)用極大提高了船舶的態(tài)勢(shì)感知能力；以“電子航?！保╡-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(lái)了便利；數(shù)字孿生技術(shù)在海事領(lǐng)域的應(yīng)用為突破地理限制帶來(lái)了可能性。融合和應(yīng)用最新的感知技術(shù)將在很大程度上為船舶實(shí)現(xiàn)遠(yuǎn)程駕駛提供保障。

4.1 航行態(tài)勢(shì)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(luò)、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(duì)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(dá)、AIS 和電子海圖的信息，對(duì)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(duì)船舶的安全航行進(jìn)行決策。船舶的遠(yuǎn)程駕駛會(huì)將船員位置從船舶移至岸端，但是雷達(dá)在近距離范圍內(nèi)存在探測(cè)盲區(qū)，AIS 設(shè)備被動(dòng)接收的信息更新速度慢，且考慮到很多小型船舶沒(méi)有安裝AIS，這些問(wèn)題導(dǎo)致傳統(tǒng)船舶對(duì)航行態(tài)勢(shì)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(duì)船舶的航行態(tài)勢(shì)探測(cè)完成全覆蓋：近距離上，將激光雷達(dá)信息作為觀測(cè)值，視覺(jué)設(shè)備信息作為預(yù)測(cè)值，借助卡爾曼濾波器等預(yù)測(cè)技術(shù)，配合AIS 接收到的它船位置信息進(jìn)行標(biāo)定，實(shí)現(xiàn)近距離物標(biāo)的感知[106]，如圖7 所示；中遠(yuǎn)距離上，將AIS 數(shù)據(jù)作為觀測(cè)值，雷達(dá)信息作為預(yù)測(cè)值，實(shí)現(xiàn)通航態(tài)勢(shì)的感知。最終通過(guò)將不同采樣時(shí)間的感知信息融合，去除信息間的冗余和偏差，實(shí)現(xiàn)“雷達(dá)?AIS?視覺(jué)傳感器?激光雷達(dá)”覆蓋遠(yuǎn)、中、近距離的信息融合，將感知的通航態(tài)勢(shì)傳輸至岸端控制中心，為船舶遠(yuǎn)程駕駛提供感知判據(jù)。

圖7 日本三井和古野公司合作開(kāi)發(fā)的視覺(jué)和AIS 信息感知增強(qiáng)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(yīng)用

傳統(tǒng)船舶大多借助國(guó)際航行警告電傳系統(tǒng)（NAVTEX）和氣象傳真機(jī)獲取海事信息，配合電子海圖、潮汐表和進(jìn)港指南對(duì)可航水域的安全和海況進(jìn)行綜合判斷。然而，NAVTEX 和氣象傳真機(jī)的信息接收間隔久，當(dāng)前時(shí)刻實(shí)際水深的判斷繁瑣，需要有經(jīng)驗(yàn)的船員進(jìn)行綜合分析和決策。這一過(guò)程顯然無(wú)法滿足遠(yuǎn)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(guò)接收船舶搭載的電子設(shè)備所提供的氣象和水文信息，并借助e-Navigation 系統(tǒng)獲取實(shí)時(shí)的大范圍氣象和水文信息，綜合評(píng)估船舶當(dāng)前和未來(lái)的航行環(huán)境，進(jìn)行航路規(guī)劃和優(yōu)化。同時(shí)，該實(shí)時(shí)環(huán)境信息可以反映在船舶數(shù)學(xué)模型中，以便更為準(zhǔn)確地進(jìn)行操縱性預(yù)報(bào)，更好服務(wù)于船舶遠(yuǎn)程駕駛。此外，岸基操縱人員還可以結(jié)合動(dòng)態(tài)的潮汐和航行警告信息，為船舶趕潮、避讓?xiě)?yīng)急物標(biāo)等動(dòng)作做出更為合理的決策。

4.3 數(shù)字孿生的綜合應(yīng)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(kāi)闊水域航行時(shí)使用，但受制于通信信道的帶寬，當(dāng)船舶航行至距岸較遠(yuǎn)的位置時(shí)，船端的多源傳感器所感知的通航態(tài)勢(shì)很難實(shí)時(shí)、完整地傳遞至岸端供岸基操縱人員決策，尤其無(wú)法完成實(shí)時(shí)、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(chǎng)判斷依據(jù)，可以使用數(shù)字孿生技術(shù)，互補(bǔ)使用增強(qiáng)現(xiàn)實(shí)/虛擬現(xiàn)實(shí)技術(shù)，將智能感知的航行態(tài)勢(shì)數(shù)據(jù)化，通過(guò)數(shù)傳模式發(fā)送至遠(yuǎn)程控制端，映射在預(yù)置的三維空間中，進(jìn)而還原出船舶的自身姿態(tài)和通航態(tài)勢(shì)[107-108]?？紤]到貨運(yùn)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(shí)的三維場(chǎng)景。

5 結(jié) 語(yǔ)

船舶遠(yuǎn)程駕駛在智能船舶的研究和應(yīng)用過(guò)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(jìn)船舶的全自主化發(fā)展進(jìn)程，使未來(lái)的航運(yùn)更加環(huán)保和經(jīng)濟(jì)。本文著眼于貨運(yùn)船舶遠(yuǎn)程駕駛的需求和場(chǎng)景，通過(guò)分析當(dāng)前無(wú)人船艇遠(yuǎn)程控制的現(xiàn)狀，提出了基于人機(jī)共融理念的船舶遠(yuǎn)程駕駛框架，并分析了該框架下船舶遠(yuǎn)程控制的關(guān)鍵技術(shù)；借鑒交叉領(lǐng)域的發(fā)展經(jīng)驗(yàn)和成果，闡述了網(wǎng)絡(luò)時(shí)延補(bǔ)償、網(wǎng)絡(luò)丟包補(bǔ)償、安全機(jī)制、船舶運(yùn)動(dòng)模型應(yīng)用、船舶自主決策、船舶運(yùn)動(dòng)控制等方面的關(guān)鍵技術(shù)發(fā)展現(xiàn)狀；結(jié)合航運(yùn)業(yè)和貨運(yùn)船舶的特點(diǎn)，針對(duì)目前一些正在投入工程應(yīng)用的感知技術(shù)提出了有助于實(shí)現(xiàn)貨船遠(yuǎn)程駕駛的思考。

我國(guó)是世界航運(yùn)大國(guó)，但是和挪威、芬蘭、瑞典、英國(guó)、荷蘭等傳統(tǒng)的航運(yùn)強(qiáng)國(guó)相比，在遠(yuǎn)洋貨船信息化技術(shù)、相關(guān)標(biāo)準(zhǔn)話語(yǔ)權(quán)上有明顯差距，尤其在減搖鰭、動(dòng)力定位等高精控制系統(tǒng)的發(fā)展和工程應(yīng)用方面差距明顯，我國(guó)的船舶工業(yè)很難在短時(shí)間內(nèi)實(shí)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(dòng)力裝置、導(dǎo)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(guó)是全球電子信息設(shè)備的制造中心，擁有良好的人工智能技術(shù)和人才儲(chǔ)備，在船舶智能化浪潮中擁有先天優(yōu)勢(shì)，有機(jī)會(huì)實(shí)現(xiàn)以增強(qiáng)駕駛、輔助駕駛、遠(yuǎn)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(yùn)新業(yè)態(tài)。因此，發(fā)展和實(shí)踐船舶遠(yuǎn)程駕駛和自主航行技術(shù)，既是我國(guó)船舶工業(yè)在國(guó)際競(jìng)爭(zhēng)中實(shí)現(xiàn)趕超的最佳時(shí)機(jī)，更是我國(guó)船舶產(chǎn)業(yè)和航運(yùn)業(yè)的發(fā)展需求。