自動靠泊技術(shù)的研究和發(fā)展綜述

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，它有著遠比人類大腦更高速、更龐大的計算力，更嚴謹?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)練和試錯來修正自己和強化自己的能力，最終得到正確的結(jié)果。將其用在航海領(lǐng)域上，實現(xiàn)無人船的智能化行駛是非常有發(fā)展前景和深遠意義的。

船舶在行駛有多種的情況，靠近港口停泊也是必須要進行的一項?？梢灶A(yù)測控制的船舶自動靠泊不僅可以降低海上事故的風(fēng)險，還可以減少導(dǎo)航員由于地理限制和低機動性的巨大工作量。人工靠泊方式在困難和細微的靠泊階段會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)會讓船舶的操作變得困難；而且靠泊過程中會受到風(fēng)、浪、天氣還有個人因素等原因的影響，給靠泊控制帶來極大的不確定性。對比起人工的需要大量學(xué)習(xí)時間和工作經(jīng)驗、復(fù)雜操作的工作流程、各種不穩(wěn)定性因素，自動靠泊技術(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算分析后，得到最優(yōu)的軌跡運動路線，更安全地控制船舶進行控制和調(diào)整。

1 自動靠泊技術(shù)

1.1 研究內(nèi)容

自動靠泊技術(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)定指標地從起點到目標點的最優(yōu)路徑。船舶自動靠泊問題涉及船舶在淺水中的低速運動，風(fēng)、浪、流的干擾比較強，系統(tǒng)信息量大，控制船的操作難度大。對于船舶的自動靠泊系統(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，減少人為錯誤率和損失，對靠泊技術(shù)的研究是非常必要的。

為了控制船舶安全靠泊，自動靠泊操作分為三個基本的基本動作，即航向改變、步進減速和發(fā)動機停止，即三個目標點。靠泊機動計劃使第一航向從任何給定的初始航向更改為第一個期望航向，在該航向中船舶將與稱為假想線的參考線對齊。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)動機空轉(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，每個環(huán)節(jié)都需要大量的數(shù)據(jù)計算和規(guī)劃，使用什么方法和解決手段是關(guān)鍵。

1.2 自動靠泊方法

自動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提出了用四個旋轉(zhuǎn)推進器模型在淺水中進行機動的方法，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器進行機動，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) 模型被稱為自動船舶靠泊最有效的理論之一，因為它是一種學(xué)習(xí)算法，并且能夠在執(zhí)行靠泊過程時模仿人腦的動作。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控制輸出（包括方向舵、螺旋槳轉(zhuǎn)速、船首推進器和拖船）的期望值之間的最小誤差。然后，對自動靠泊進行了計算機仿真，驗證了系統(tǒng)的有效性。仿真結(jié)果表明自動靠泊控制系統(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)會論文集發(fā)表的《A Srudy on Automatic Ship Berthing Using Parallel Neural Controller》一種用于自動靠泊的并行神經(jīng)控制器，該控制器具有單獨的隱藏層，分別輸出發(fā)動機和方向舵。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》通過使用平視坐標系，包括船舶到泊位的相對方位和距離，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，自動控制船舶進入不同港口的泊位。

但它仍然存在一些局限性。例如，船舶只能從一個接近方向進入泊位，相對方位角必須在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)討論了變時機動。然后，使用重復(fù)優(yōu)化技術(shù)，一個新的概念引入了“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前方給定的參考線取計算出的最佳舵角。然后，船沿著這條線繼續(xù)前進根據(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，螺旋槳和側(cè)推進器的聯(lián)合操縱會產(chǎn)生相互作用力。兩個螺旋槳在以相反方向旋轉(zhuǎn)時產(chǎn)生相同的推力，從而在船舶上產(chǎn)生偏航力矩而不會引起縱向運動。通過側(cè)推進器的同時操作，實現(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》提出了蟹行運動的三個自由度方程。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，動力不足的船舶會給船舶運動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 實時估計法

一般的靠泊方法需要根據(jù)專家的經(jīng)驗或模型試驗的經(jīng)驗進行修正，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，在限制水域的機動性降低。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)了一種自動靠泊機動方法，通過基于用于操縱船舶的統(tǒng)計模型引入具有可變增益的最優(yōu)控制來實現(xiàn)的，該模型使用實際導(dǎo)航數(shù)據(jù)實時識別。

2 國內(nèi)外研究現(xiàn)狀

中外研究學(xué)者很早就對自動靠泊的方面有了研究，從20世紀70年代開始，日本學(xué)者就對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速度的船舶的機動運動，但是靠泊需要船舶低速操縱，還沒有一個低速的數(shù)學(xué)模型來計算和分析船舶的運動，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，使其也可以表達低速機動運動。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)和知識庫開發(fā)了一種船舶自動靠泊系統(tǒng)，并通過仿真驗證了其有效性，將專家決策引入了神經(jīng)網(wǎng)絡(luò)，不僅對作為教學(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》改進了神經(jīng)網(wǎng)絡(luò)的隱藏層，設(shè)計成并行隱藏層。2007年中國學(xué)者卜仁祥、劉正江、胡江強發(fā)表的《欠驅(qū)動船舶非線性滑?？坎纯刂破鳌范x了非線性滑模，結(jié)合增量反饋技術(shù)，無需對不確定模型參數(shù)以及風(fēng)、流干擾進行估計，完成典型靠泊操縱的自動控制。

在2010年到現(xiàn)在，各種新穎和改進的方法都不斷地發(fā)表出來，其中利用非線性控制的方法實現(xiàn)船舶自動靠泊的作業(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)動水面艦艇的靠泊控制問題，針對船舶的未知動力學(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)算法用于估計不確定性。2020年Jun Kayano 提出了實時估計的方法，通過導(dǎo)航的實時數(shù)據(jù)實現(xiàn)像手動操作一樣的靈活改變船舶機動的效果。

3 問題和展望

自動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，任何控制器都很難將環(huán)境干擾與實際船舶運動分開。在風(fēng)擾動的情況下，在有限的風(fēng)速下成功靠泊，但在實際復(fù)雜的情況下，實驗結(jié)果并不令人滿意。神經(jīng)網(wǎng)絡(luò)效果不錯，但是在其他方面的開銷就會增大，增加隱藏層的數(shù)量不僅會增加計算時間，還會增加學(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，機動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的效果，但是使用過多的約束會導(dǎo)致優(yōu)化輸出（舵角和螺旋槳）出現(xiàn)波動，這也給網(wǎng)絡(luò)訓(xùn)練帶來了困難?？紤]到靠泊操作是時間敏感的，控制動作需要時間。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

自動靠泊是一個有著廣闊前景和研究意義的方向，本文對自動靠泊技術(shù)的含義和研究內(nèi)容進行介紹，對靠泊常用的技術(shù)進行梳理，概括和各個方法的限制，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；對自動靠泊的整體問題進行的分析，隨著技術(shù)的發(fā)展和研究的不斷深入，自動靠泊的技術(shù)會慢慢成熟并且最終的研究目標會得以實現(xiàn)。