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(zhǎng)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(shì)，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(cè)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(guó)民用無人艇市場(chǎng)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(guó)民用無人艇市場(chǎng)規(guī)模約為32.2億元，市場(chǎng)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(cè)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(cè)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(zhǎng)為1mm～10mm）波段的雷達(dá)。其具有探測(cè)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(cè)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(cè)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(zhǎng)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(zhǎng)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(cè)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(cè)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(cè)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(cè)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(cè)設(shè)備，實(shí)現(xiàn)了對(duì)障礙物30m～300m障礙物的探測(cè)，但探測(cè)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(cè)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(cè)，未來可以將此方法應(yīng)用到多目標(biāo)檢測(cè)中。

在針對(duì)水面環(huán)境檢測(cè)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(cè)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(cè)，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(cè)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(chǎng)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(shì)，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(cè)。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(cè)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(cè)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(cè)。許大光［19］等將毫米波雷達(dá)應(yīng)用于無人艇目標(biāo)檢測(cè)，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(cè)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(shì)，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(shì)場(chǎng)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(shì)場(chǎng)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(jiǎn)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(chǎng)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(jiǎn)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(jiǎn)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(jiǎn)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?；贏CO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(jiǎn)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(zhǎng)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(jiǎn)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?？刂疲?3～35］、模型預(yù)測(cè)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(cè)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(jiǎn)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(cè)器的魯棒滑模控制方法，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(cè)器和干擾觀測(cè)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(cè)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(cè)控制（NMPC）的控制效果比線性模型預(yù)測(cè)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、滑模控制、模糊控制以及模型預(yù)測(cè)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(cè)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?jī)H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。