陳百相

（上海海事大學(xué)商船學(xué)院，上海 201306）

隨著第三次工業(yè)革命信息技術(shù)產(chǎn)業(yè)的大發(fā)展以及第四次工業(yè)革命智能化產(chǎn)業(yè)發(fā)展的來臨，人工智能在各個(gè)領(lǐng)域有了重大的突破，也應(yīng)用在各種現(xiàn)代化的設(shè)備之中，它有著遠(yuǎn)比人類大腦更高速、更龐大的計(jì)算力，更嚴(yán)謹(jǐn)?shù)膱?zhí)行力和更深層的決策能力等。人工智能無人駕駛方向上有著天然的優(yōu)勢，可以通過不斷地訓(xùn)練和試錯(cuò)來修正自己和強(qiáng)化自己的能力，最終得到正確的結(jié)果。將其用在航海領(lǐng)域上，實(shí)現(xiàn)無人船的智能化行駛是非常有發(fā)展前景和深遠(yuǎn)意義的。

船舶在行駛有多種的情況，靠近港口停泊也是必須要進(jìn)行的一項(xiàng)?？梢灶A(yù)測控制的船舶自動(dòng)靠泊不僅可以降低海上事故的風(fēng)險(xiǎn)，還可以減少導(dǎo)航員由于地理限制和低機(jī)動(dòng)性的巨大工作量。人工靠泊方式在困難和細(xì)微的靠泊階段會(huì)讓操作員有巨大的心理和精神的壓力，在低速的航行狀態(tài)會(huì)讓船舶的操作變得困難；而且靠泊過程中會(huì)受到風(fēng)、浪、天氣還有個(gè)人因素等原因的影響，給靠泊控制帶來極大的不確定性。對(duì)比起人工的需要大量學(xué)習(xí)時(shí)間和工作經(jīng)驗(yàn)、復(fù)雜操作的工作流程、各種不穩(wěn)定性因素，自動(dòng)靠泊技術(shù)獲取船舶的各種數(shù)據(jù)和當(dāng)前海面、港口等各種影響因素加以計(jì)算分析后，得到最優(yōu)的軌跡運(yùn)動(dòng)路線，更安全地控制船舶進(jìn)行控制和調(diào)整。

1 自動(dòng)靠泊技術(shù)

1.1 研究內(nèi)容

自動(dòng)靠泊技術(shù)中有許多的方面和問題需要考慮。其中靠泊路徑規(guī)劃問題是船舶自動(dòng)靠泊的關(guān)鍵問題之一，即在一定的約束條件下，規(guī)劃滿足設(shè)定指標(biāo)地從起點(diǎn)到目標(biāo)點(diǎn)的最優(yōu)路徑。船舶自動(dòng)靠泊問題涉及船舶在淺水中的低速運(yùn)動(dòng)，風(fēng)、浪、流的干擾比較強(qiáng)，系統(tǒng)信息量大，控制船的操作難度大。對(duì)于船舶的自動(dòng)靠泊系統(tǒng)，由于其靠泊在低速范圍和較大的偏角，系統(tǒng)不僅要考慮船體、流體力、槳和舵力無法發(fā)揮正常航行中的效能，還要考慮了靠泊作業(yè)中不可缺少的輔助控制設(shè)備，如拖輪、側(cè)推器、錨和纜索。因此，船舶的自動(dòng)靠泊作業(yè)成為最困難、最復(fù)雜的作業(yè)之一。為了提高安全性、螺旋槳利用率和系泊效率，減少人為錯(cuò)誤率和損失，對(duì)靠泊技術(shù)的研究是非常必要的。

為了控制船舶安全靠泊，自動(dòng)靠泊操作分為三個(gè)基本的基本動(dòng)作，即航向改變、步進(jìn)減速和發(fā)動(dòng)機(jī)停止，即三個(gè)目標(biāo)點(diǎn)?？坎礄C(jī)動(dòng)計(jì)劃使第一航向從任何給定的初始航向更改為第一個(gè)期望航向，在該航向中船舶將與稱為假想線的參考線對(duì)齊。并入這條線后，船將保持原路并根據(jù)速度響應(yīng)方程降低速度。然后，發(fā)動(dòng)機(jī)空轉(zhuǎn)和螺旋槳反轉(zhuǎn)將使船停在其所需區(qū)域。最后船舶將被逐步控制到碼頭，將其放置在旁邊并準(zhǔn)備安全系泊操作。這些環(huán)節(jié)中都需要復(fù)雜的操作，每個(gè)環(huán)節(jié)都需要大量的數(shù)據(jù)計(jì)算和規(guī)劃，使用什么方法和解決手段是關(guān)鍵。

1.2 自動(dòng)靠泊方法

自動(dòng)靠泊控制的研究始于1990年代初，屬于MIMO 控制問題。并吸引了許多有意義的研究。Fossen提出了用四個(gè)旋轉(zhuǎn)推進(jìn)器模型在淺水中進(jìn)行機(jī)動(dòng)的方法，并通過安裝在模型盆地上的攝像系統(tǒng)監(jiān)控船舶的位置、方向。Zhang 專注于自動(dòng)船舶靠泊的多變量神經(jīng)控制器的開發(fā)和應(yīng)用。Akasawa 建議使用船首和船尾推進(jìn)器進(jìn)行機(jī)動(dòng)，以提高精確的航跡保持和固定位置保持。到目前為止，該研究主要依賴于人類經(jīng)驗(yàn)和精確的控制算法。

1.2.1 神經(jīng)網(wǎng)絡(luò)方法

（1）人工神經(jīng)網(wǎng)絡(luò) (ANN) 模型被稱為自動(dòng)船舶靠泊最有效的理論之一，因?yàn)樗且环N學(xué)習(xí)算法，并且能夠在執(zhí)行靠泊過程時(shí)模仿人腦的動(dòng)作。Tran,Van Luong 和Im,Nam-Kyun 在International Journal of Naval Architecture and Ocean Engineering 上發(fā)表的《A study on ship automatic berthing with assistance of auxiliary devices》就使用了人工神經(jīng)網(wǎng)絡(luò)方法去解決自動(dòng)靠泊的問題。使用反向傳播算法，用一組教學(xué)數(shù)據(jù)訓(xùn)練了人工神經(jīng)網(wǎng)絡(luò)，以獲得輸出值和四個(gè)控制輸出（包括方向舵、螺旋槳轉(zhuǎn)速、船首推進(jìn)器和拖船）的期望值之間的最小誤差。然后，對(duì)自動(dòng)靠泊進(jìn)行了計(jì)算機(jī)仿真，驗(yàn)證了系統(tǒng)的有效性。仿真結(jié)果表明自動(dòng)靠泊控制系統(tǒng)具有良好的性能。

（2）Yao Zhang 和G.E.Hearn、P.Sen 等人在IEEE Control Systems Magazine 發(fā)表的《A multivariable neural controller for automatic ship berthing》介紹了一種用于船舶自動(dòng)靠泊的多變量神經(jīng)控制器的開發(fā)與應(yīng)用提出了一種在線訓(xùn)練的、基于反向傳播的神經(jīng)網(wǎng)絡(luò)控制器。主要目的是利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，推導(dǎo)出獨(dú)立于船舶數(shù)學(xué)模型的自主神經(jīng)控制算法。

（3）IM Namkyun 和H Kazuhiko 等人在關(guān)西造船協(xié)會(huì)論文集發(fā)表的《A Srudy on Automatic Ship Berthing Using Parallel Neural Controller》一種用于自動(dòng)靠泊的并行神經(jīng)控制器，該控制器具有單獨(dú)的隱藏層，分別輸出發(fā)動(dòng)機(jī)和方向舵。用于靠泊的通用神經(jīng)網(wǎng)絡(luò)只有一組隱藏層，但是他們提出了并行隱藏層。與傳統(tǒng)的神經(jīng)控制器相比，這種并行控制的效果產(chǎn)生了很好的效果。

（4）Nam-KyunIma 和Van-SuongNguyen 等人發(fā)表在International Journal of Naval Architecture and Ocean Engineering 上 的《Artificial neural network controller for automatic ship berthing using head-up coordinate system》通過使用平視坐標(biāo)系，包括船舶到泊位的相對(duì)方位和距離，提出了一種新的人工神經(jīng)網(wǎng)絡(luò)控制器，可以在不重新訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的情況下，自動(dòng)控制船舶進(jìn)入不同港口的泊位。

但它仍然存在一些局限性。例如，船舶只能從一個(gè)接近方向進(jìn)入泊位，相對(duì)方位角必須在180 度以內(nèi)。

1.2.2 非線性規(guī)劃方法

YA Ahmed 和JKazuhiko Hasegawa 在Osaka University Knowledge Archive 發(fā)表的《Automatic Berthing Control Practically Applicable under Wind Disturbances》通過使用非線性規(guī)劃（NLP）來創(chuàng)建一致的教學(xué)數(shù)據(jù)討論了變時(shí)機(jī)動(dòng)。然后，使用重復(fù)優(yōu)化技術(shù)，一個(gè)新的概念引入了“虛擬窗口”。本文中的“虛擬窗口”指的是確保安全的安全窗口具有任何特定航向的船舶，通過其所需位置到達(dá)前方給定的參考線取計(jì)算出的最佳舵角。然后，船沿著這條線繼續(xù)前進(jìn)根據(jù)速度響應(yīng)方程，成功靠泊。

1.2.3 自適應(yīng) Backstepping 方法

當(dāng)船舶處于推拉模式時(shí)，螺旋槳和側(cè)推進(jìn)器的聯(lián)合操縱會(huì)產(chǎn)生相互作用力。兩個(gè)螺旋槳在以相反方向旋轉(zhuǎn)時(shí)產(chǎn)生相同的推力，從而在船舶上產(chǎn)生偏航力矩而不會(huì)引起縱向運(yùn)動(dòng)。通過側(cè)推進(jìn)器的同時(shí)操作，實(shí)現(xiàn)推拉模式，從而產(chǎn)生橫向力。Jong-YongParka、NakwanKimb在International Journal of Naval Architecture and Ocean Engineering 上發(fā)表的《Design of an adaptive backstepping controller for auto-berthing a cruise ship under wind loads》提出了蟹行運(yùn)動(dòng)的三個(gè)自由度方程。這些方程用于將自適應(yīng)反步控制方法應(yīng)用于游輪的自動(dòng)靠泊控制器，控制器能夠處理靠泊過程的系統(tǒng)非線性和不確定性。

1.2.4 Intelligent Tracking Control Algorithm 方法

相關(guān)的研究沒有考慮了復(fù)雜的控制環(huán)境，例如風(fēng)浪、流、天氣的影響，對(duì)抗風(fēng)浪干擾的算法仍然存在局限性；特別是在淺水區(qū)低速行駛時(shí)，動(dòng)力不足的船舶會(huì)給船舶運(yùn)動(dòng)帶來更大的不確定性。Zhicheng Liu 和 Qiang Wang 等人在《Intelligent Tracking Control Algorithm for Under-Actuated Ships Through Automatic Berthing》提出了一種ITCA（Intelligent Tracking Control Algorithm）方法，可以智能控制船舶靠泊期間的航向角跟蹤，抑制風(fēng)浪干擾。

1.2.5 實(shí)時(shí)估計(jì)法

一般的靠泊方法需要根據(jù)專家的經(jīng)驗(yàn)或模型試驗(yàn)的經(jīng)驗(yàn)進(jìn)行修正，并且不靈活和操作復(fù)雜，導(dǎo)航員必須將船舶停在指定點(diǎn)，在限制水域的機(jī)動(dòng)性降低。Jun Kayano 和Tadatsugi Okazaki 發(fā)表的《A Study on the Ship’s Automatic Berthing Maneuver Using Real-Time Estimation》開發(fā)了一種自動(dòng)靠泊機(jī)動(dòng)方法，通過基于用于操縱船舶的統(tǒng)計(jì)模型引入具有可變增益的最優(yōu)控制來實(shí)現(xiàn)的，該模型使用實(shí)際導(dǎo)航數(shù)據(jù)實(shí)時(shí)識(shí)別。

2 國內(nèi)外研究現(xiàn)狀

中外研究學(xué)者很早就對(duì)自動(dòng)靠泊的方面有了研究，從20世紀(jì)70年代開始，日本學(xué)者就對(duì)船舶靠泊操縱的難題有了探索，以往的研究都是基于高速的船舶描述具有較大前進(jìn)速度的船舶的機(jī)動(dòng)運(yùn)動(dòng)，但是靠泊需要船舶低速操縱，還沒有一個(gè)低速的數(shù)學(xué)模型來計(jì)算和分析船舶的運(yùn)動(dòng)，1984年K Kose、H Hinata、Y Hashizume、E Futagawa 發(fā)表的《On a Mathematical Model of Maneuvering Motions of Ships in Low Speeds》提出了一個(gè)新的數(shù)學(xué)模型，嘗試修改上述數(shù)學(xué)模型，使其也可以表達(dá)低速機(jī)動(dòng)運(yùn)動(dòng)。1993年K Hasegawa 和K Kitera 發(fā)表了《Automatic Berthing Control System Using Network and Knowledge-base》利用神經(jīng)網(wǎng)絡(luò)和知識(shí)庫開發(fā)了一種船舶自動(dòng)靠泊系統(tǒng)，并通過仿真驗(yàn)證了其有效性，將專家決策引入了神經(jīng)網(wǎng)絡(luò)，不僅對(duì)作為教學(xué)數(shù)據(jù)的給定模式給出了成功的結(jié)果，而且對(duì)內(nèi)插或外推的案例也給出了成功的結(jié)果。

在2000年后，IM Namkyun，H Kazuhiko 在2001年發(fā)表的《A Srudy on Automatic Ship Berthing Using Parallel Neural Controller》改進(jìn)了神經(jīng)網(wǎng)絡(luò)的隱藏層，設(shè)計(jì)成并行隱藏層。2007年中國學(xué)者卜仁祥、劉正江、胡江強(qiáng)發(fā)表的《欠驅(qū)動(dòng)船舶非線性滑?？坎纯刂破鳌范x了非線性滑模，結(jié)合增量反饋技術(shù)，無需對(duì)不確定模型參數(shù)以及風(fēng)、流干擾進(jìn)行估計(jì)，完成典型靠泊操縱的自動(dòng)控制。

在2010年到現(xiàn)在，各種新穎和改進(jìn)的方法都不斷地發(fā)表出來，其中利用非線性控制的方法實(shí)現(xiàn)船舶自動(dòng)靠泊的作業(yè)，2012年Liu Yang 和 Guo Chen 發(fā)表的《Automatic berthing control of underactuated surface ships in restricted waters based on nonlinear adaptive control method》利用非線性自適應(yīng)控制方法解決了在受限水域轉(zhuǎn)向的欠驅(qū)動(dòng)水面艦艇的靠泊控制問題，針對(duì)船舶的未知?jiǎng)恿W(xué)、環(huán)境干擾和測量噪聲等，穩(wěn)定自適應(yīng)神經(jīng)網(wǎng)絡(luò)算法用于估計(jì)不確定性。2020年Jun Kayano 提出了實(shí)時(shí)估計(jì)的方法，通過導(dǎo)航的實(shí)時(shí)數(shù)據(jù)實(shí)現(xiàn)像手動(dòng)操作一樣的靈活改變船舶機(jī)動(dòng)的效果。

3 問題和展望

自動(dòng)靠泊有著各自方面的問題需要解決，例如各種干擾因素，風(fēng)、流、浪等，當(dāng)以低速接近泊位時(shí)，任何控制器都很難將環(huán)境干擾與實(shí)際船舶運(yùn)動(dòng)分開。在風(fēng)擾動(dòng)的情況下，在有限的風(fēng)速下成功靠泊，但在實(shí)際復(fù)雜的情況下，實(shí)驗(yàn)結(jié)果并不令人滿意。神經(jīng)網(wǎng)絡(luò)效果不錯(cuò)，但是在其他方面的開銷就會(huì)增大，增加隱藏層的數(shù)量不僅會(huì)增加計(jì)算時(shí)間，還會(huì)增加學(xué)習(xí)算法失敗的概率，輸入不應(yīng)該太多。模型輸入的數(shù)量增加，機(jī)動(dòng)方程的自由度也增加。

采用非線性規(guī)劃的方法雖然也有不錯(cuò)的效果，但是使用過多的約束會(huì)導(dǎo)致優(yōu)化輸出（舵角和螺旋槳）出現(xiàn)波動(dòng)，這也給網(wǎng)絡(luò)訓(xùn)練帶來了困難。考慮到靠泊操作是時(shí)間敏感的，控制動(dòng)作需要時(shí)間。因此，關(guān)于以一致的方式創(chuàng)建教學(xué)數(shù)據(jù)和調(diào)查經(jīng)過適當(dāng)訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)應(yīng)對(duì)任何可能的風(fēng)干擾的能力的問題仍未解決。因此，代替人工神經(jīng)網(wǎng)絡(luò)，更穩(wěn)健的反饋控制器更可取，以在這種情況下采用足夠的舵角來引導(dǎo)船舶。

4 結(jié)語

自動(dòng)靠泊是一個(gè)有著廣闊前景和研究意義的方向，本文對(duì)自動(dòng)靠泊技術(shù)的含義和研究內(nèi)容進(jìn)行介紹，對(duì)靠泊常用的技術(shù)進(jìn)行梳理，概括和各個(gè)方法的限制，遇到的問題；概括了國內(nèi)外學(xué)者的研究內(nèi)容和現(xiàn)狀；對(duì)自動(dòng)靠泊的整體問題進(jìn)行的分析，隨著技術(shù)的發(fā)展和研究的不斷深入，自動(dòng)靠泊的技術(shù)會(huì)慢慢成熟并且最終的研究目標(biāo)會(huì)得以實(shí)現(xiàn)。