智能船舶靠泊技术研究热点与趋势.pdf

本文网址：http:/www.ship- J.中国舰船研究,2024,19(1):314.LI G S,ZHANG X K,ZHANG A C.Research hotspots and tendency of intelligent ship berthing technologyJ.ChineseJournal of Ship Research,2024,19(1):314(in Chinese).智能船舶靠泊技术研究热点与趋势扫码阅读全文李国帅1，张显库*1，张安超21 大连海事大学 航海学院，辽宁 大连 1160262 大连海事局 北良港海事处，辽宁 大连 116610摘 要:在梳理近年来国内外智能船舶靠泊技术研究现状的基础上，首先从靠泊方式、数学模型和控制算法3 个方面分别归纳靠泊技术的研究热点与应用情况，分析智能船舶靠泊技术在自主性、建模精度、路径规划、控制算法、节能效果和系统测试等方面尚待解决的问题。然后，从航海实际需求出发，提出下一步需要突破的有关信息融合、在线建模、智能决策、算法优化、绿色节能和测试技术等方面的核心理论和关键技术问题，努力提升靠泊技术的自主性、鲁棒性、快速性和“韧性”，助力实现安全、绿色、高效的智能航运目标。关键词：智能船舶；自动靠泊；船舶运动模型；智能决策中图分类号:U664.82文献标志码:ADOI：10.19693/j.issn.1673-3185.03199 Research hotspots and tendency of intelligent ship berthing technologyLI Guoshuai1,ZHANG Xianku*1,ZHANG Anchao21 Navigation College,Dalian Maritime University,Dalian 116026,China2 Beiliang Port Marine Department,Dalian Maritime Saftey Administration,Dalian 116610,ChinaAbstract:This paper reviews the research status of intelligent ship berthing technology at home and abroad inrecent years.The hotspots and applications of berthing technology are summarized in the three aspects ofberthing mode,mathematical model and control algorithm.The remaining problems in this field are analyzedin terms of autonomy,modeling accuracy,path planning,control algorithm,energy-saving effect and systemtest.Based on actual navigation needs,it is proposed that the next step is to make breakthroughs in core theor-ies and key technical problems such as information fusion,online modeling,intelligent decision-making,op-timization algorithms,green energy conservation and testing technology.The autonomy,robustness,rapidityand toughness of berthing technology should be improved so as to realize safe,green and efficient intelli-gent shipping.Key words:intelligent ship；autonomous berthing；ship motion mathematical model；intelligent decision-making 0 引言第四次工业革命以大数据和人工智能等技术为基础，通过物联网和机器人等交换媒介正在席卷整个世界1。航运因其具有覆盖范围广、运输能力强、成本低廉等优点，在现代货物运输中具有不可替代的地位。人工智能和自动驾驶技术将航运业带到了一条全新的道路上，使传统的港口和船舶正在向智能港口和智能船舶转变。交通运输部等 7 个部门联合印发的智能航运发展指导意见为我国智能航运未来 30 年的发展指明了方向2。智能船舶3作为数字与智能技术时代的新收稿日期:20221129 修回日期:20230115 网络首发时间:20230406 14:40基金项目:国家自然科学基金资助项目（51679024）；大连市重点研究领域创新团队支持计划资助项目（2020RT08）作者简介:李国帅，男，1981 年生，硕士，副教授。研究方向：智能航行，船舶运动控制，自动靠泊。E-mail：张显库，男，1968 年生，博士，教授，博士生导师。研究方向：船舶运动控制，智能控制。E-mail：张安超，男，1981 年生，硕士，工程师。研究方向：智能船舶相关法规的发展和趋势，船舶避碰自动化。E-mail：*通信作者:张显库 第 19 卷 第 1 期中 国 舰 船 研 究Vol.19 No.12024 年 2 月Chinese Journal of Ship ResearchFeb.2024兴领域，已成为全球船舶的趋势发展方向，最终将显著提高船舶运行的安全管理、营运管理和质量管理水平，助力实现安全、绿色、高效的航运4。现阶段，日本、韩国以及欧洲等国家和地区均将智能船舶视为重点发展领域。中国有关智能船舶的研究工作也在加快推进，智能船舶发展行动计划（20192021 年）为我国智能船舶的发展提出了顶层规划5，中国制造 2025关于加快内河船舶绿色智能发展的实施意见等将智能船舶列为了重点发展对象6。国内外关于智能船舶在开阔水域自主航行的技术已日趋成熟并得到广泛应用，但作为智能船舶要实现完全自主航行“最后 1 公里”的靠泊技术尚未成熟，这也是国际上公认的科学难题7。靠泊控制是船舶运动控制领域的一个重要研究方向，因船舶本身有大时滞、大惯性、欠驱动等特点8，故在靠泊的过程中船速较低，受环境扰动9、浅水效应10、岸壁效应11等因素的影响严重，致使船舶靠泊控制变得更加困难。因此，如何安全、精准和快速地完成靠泊任务就显得尤为重要。近年来，世界各国相关部门均在开展靠/离泊系统的研发与实船试验。2018 年，挪威运营商 Norled 公司旗下的 Folgefonn 号渡船配备了由瓦锡兰公司创新的自动泊船系统，这是世界上第 1 艘安装自动靠泊系统的渡船12。2022 年，日本商船“三井”采用集装箱船 Mikage 号进行了靠/离泊航行试验，其采用无人机辅助抛缆绳，完全实现了靠泊、系泊过程的自动化13。同年，中国自研的 300 TEU 集装箱船“智飞”号交付运营，该船可实现航行环境智能感知、航线自主规划、智能避碰、自动靠/离泊等先进的智能航行功能14。本文将从靠泊方式、数学模型和控制算法3 个角度对智能船舶靠泊技术进行梳理，分析存在的主要问题，总结研究热点，提出急需突破的核心理论与关键技术。1 智能船舶靠泊技术研究进展及应用 1.1 靠泊方式智能船舶的靠泊操纵，实质上是通过有效的方法实时控制靠泊过程中的运动参数。从船舶操纵特征上看，靠泊过程可以分为 2 个阶段，即抵泊阶段和入泊阶段，相应的操纵水域也称为“抵泊区”和“入泊区”，如图 1 所示15。1.1.1 自力靠泊和拖船协助靠泊智能船舶有多种靠泊操纵方式，根据不同的原则，分类方法各异。按是否需要外力辅助，可以分为自力靠泊和拖船辅助靠泊 2 种。1）自力靠泊。自力靠泊是指利用船舶本身的推进器、舵和锚设备进行靠泊的操作。传统意义上，自力靠泊只限于在气象和水文条件较好的情况下采用，较小吨位的船舶（万吨级以下）通过单车和单舵进行靠泊操作16。2006 年，Okawa 和 Takizawa17在考虑船型影响和环境干扰等因素的基础上构建了船舶运动模型，并提出了一种基于改进遗传算法的小型船舶靠泊控制方法。2021 年，Sawada 等18建立了船舶靠泊控制数值模拟的数学模型，提出了一种应用路径跟踪算法的单桨单舵船舶自动靠泊系统，在全尺寸试验中，该系统在无风条件（2 m/s左右）和大风条件下（6 m/s 左右）均能实现自动靠泊控制。随着造船技术的发展，船舶自力靠泊能力逐渐增强，其中双车船自身控制能力要优于单车船。2015 年，Ferrari 等19建立了喷水推进双体船的数学模型，开发了 PID 算法，实现了自动靠泊。2021 年，Wu 等20在考虑风、浪、流影响的基础上建立了无人艇（unmanned surface vessel，USV）操纵运动数学模型，提出了一种基于船舶操纵性的靠泊操纵算法，并在港口环境下对双体 USV 进行了靠泊模拟试验，结果显示，基于该靠泊机动算法，双体 USV 的靠泊效率和安全性得到了提高。为了提高船舶停泊的灵活性和安全性，采用了船首和船尾侧推器等现代转向设备，大大减小了对拖船的依赖程度，可以在没有拖船或锚的辅助下，通过控制车、舵和侧推器进行靠泊操作。2010 年，Bui 等21在考虑船舶转向运动模型的基础上设计了基于观测的最优控制器，提出了一种利用船首和船尾侧推器实现船舶自动靠泊的新方法。2018 年，Kim 等22使用 2 个侧推器保持平行 抵泊区入泊区d图 1船舶靠泊操纵示意图Fig.1 Schematic diagram of ship berthing4“无人船艇自主性技术”专辑第 19 卷移动实现了自动靠泊，并利用船模进行试验，验证了控制器的良好控制性能。2）拖船协助靠泊。拖船是一种小型但功能强大的船舶，有助于协助操纵大型船舶的靠泊作业23。通常，中、大型船舶都是使用拖船来协助靠泊。2010 年，Bui 等24介绍了一种基于船舶和拖船之间交互作用的数学模型，在拖船只能发挥有限推力和只能缓慢改变方向的约束下，可减少拖船提供的动力，增加拖船的可控性，解决了拖轮推力分配问题。2011年，Bui 和 Kim25提出了一种利用自主拖船靠泊的方法，该方法克服了执行器在低速机动时的标称有效性问题，提高了船舶在港区的作业效率。部分安装了艏侧推器的船舶也需要使用拖船来协助靠泊。2012 年，Tran 和 Im26通过采用一组教学数据训练神经网络，获得了舵、螺旋桨转速、艏侧推器和拖船这 4 个控制输出的输出值与预期值之间的最小偏差，并设计了性能良好的靠泊控制系统。2019 年，Nguyen27设计了可同时用于艏侧推器和拖轮的模糊控制器，该控制器在完成操纵后可自动将船舶驶入泊位，同时通过数值模拟试验验证了所提船舶自动靠泊系统的优越性能。1.1.2 顺靠和掉头靠泊靠泊方式按是否需要掉头操纵可分为 2 种：顺靠和掉头靠泊。水流对船舶的靠泊起重要作用28。在靠泊过程中，船舶的首向来流被称作顶流，尾向来流称作顺流。顶流靠泊舵效好，速度可控，是船舶首选的靠泊方式。在船舶顶流进港时，可以直接靠泊，也即顺靠29。在船舶顺流进港时，需要采用掉头的方式来顶流靠泊，也即掉头靠泊30。掉头时，一般根据船舶的大小及载重状态选择自力掉头或是拖船协助掉头，并根据掉头方式以及风、流条件和船舶载重状态选择向左或向右的掉头方向。目前，自动靠泊研究主要以顺靠为主。2020 年，王行武31针对港内低速路径跟踪船操纵性差的问题，采用间接航迹控制的思想，将航迹控制分为制导、航向控制和舵角控制等环节，对大型船舶的顺靠进行了研究。同年，韩周周32利用自抗扰控制与神经网络相结合的方法，自动完成了船舶的顺靠任务。1.1.3 平行靠拢和小角度靠拢根据靠拢的角度，靠泊方式可以分为 2 类：平行靠拢和小角度靠拢。所谓靠拢角度，是指港区内船舶在向泊位靠拢的过程中船的首向与泊位方向之间的交角，如图 2 中位置所示15。图中，为抵泊角度，d 为抵泊横距。通常，随着船舶排水量的增加，靠拢角度应逐渐减小。一般情况下，小型船舶可以使用小角度靠拢方式，中、大型船舶因排水量大难以控制，使用平行靠拢方式33。2021 年，贾玉鹏等34将控制器的输出由螺旋桨转速和舵角改为车令与舵令，利用神经网络对无人艇小角度自主靠泊方式进行了模拟研究，结果显示，该靠泊方式可使船舶首尾线与岸线的夹角小于 10。2022 年，郭飞和尹勇35将靠泊任务拆分成艏向调整、纵向调整和横向调整，利用模糊控制器对无人艇的自主平行靠泊方式进行了仿真研究。综上所述，结合靠泊操纵手段和操纵过程，可以将智能船舶的靠泊方式分为 8 种类型：自力顺靠小角度靠拢、自力顺靠平行靠拢、自力掉头靠小角度靠拢、自力掉头靠平行靠拢、拖轮协助顺靠小角度靠拢、拖轮协助顺靠平行靠拢、拖轮协助掉头靠小角度靠拢以及拖轮协助掉头靠平行靠拢，如图 3 所示。1.2 船舶运动数学模型精确的船舶运动数学模型可以更早、更好地评估船舶操纵性36，是研究智能船舶靠泊控制的基础。船舶运动建模主要有辨识建模和机理建模372 种，其中机理建模在智能船舶靠泊操纵模型化领域中占主导地位，而整体型数学模型和分离型数学模型（mathematical modeling group，MMG）又是通过机理建模得出的最具代表性的船舶运动数学模型38，详见表 1。大部分研究人员主要是通过自航模试验方法、计算机数值模拟方法以及半理论半经验的估算方法39对上述 2 种模型不断予以完善和改进。d图 2入泊过程示意图Fig.2 Schematic diagram of ship berthing process第 1 期李国帅等：智能船舶靠泊技术研究热点与趋势51.2.1 整体型数学模型上世纪 60 年代，Abkowitz44和 Kllstrm 等45将推进器、舵和船体视为一个统一的整体，将其所受的流体动力统一看作是船体特性、流场特性、船舶操纵要素和船舶运动状态的多元函数，对力和力矩在某一特定运动状态点进行 Taylor 级数展开，得到了船舶运动整体型数学模型。I(2)X(2)=P(2)X(2)+Q(2)U+FNON(1)式中：U，X 分别为输入和状态；I(2)，P(2)，Q(2)分别为惯性力导数矩阵、黏性力导数矩阵和舵力导数矩阵，可通过 Clarke 等46整理的 10 个线性流体动力导数的回归公式求取；FNON为非线性流体动力，Kllstrm 等45在研究船舶参数辨识问题时提出了一种如式（2）所示的简洁表达式。FNON=CfY(v,r)CfN(v,r)(2)其中，fY(v,r)=T r|r|1121L2(vr)2，1Lvr 12T r|r|121Lvr231L3(vr)3，12 1Lvr12T r|r|112+1L2(vr)2，12 1Lvr(3)fN(v,r)=T r|r|161L(vr)，1Lvr 12T r|r|132141L2(vr)2+161L4(vr)4，12 1Lvr12T r|r|161L(vr)，12 1Lvr(4)上式中：C 表示为无量纲横流系数，其值通常在0.30.8 范围内；v，r 分别为横漂速度和艏摇角速度；L，T 分别为两柱间长和吃水。2010 年，Lee 课题组40在 Abkowitz 整体型船舶数学模型的基础上考虑浅水效应，研究了小型船舶的自动靠泊方式。1.2.2 分离型数学模型1970 年代末，日本拖曳水池委员会成立了一个专门研究船舶操纵运动方程的小组，其在参考整体数学模型的基础上，将船体、推进器和舵三者所受的流体动力分开讨论，提出了分离型模型，通常称之为 MMG 模型47。x=ucosvsin y=usin+vcos=r u=(m+my)vr+XH+XP+XR+XW+Xwave+(mxmy)Vcsin(c)r/(m+mx)v=(m+mx)ur+YH+YP+YR+YW+Ywave+(mxmy)Vccos(c)r/(m+my)r=(NH+NP+NR+NW+Nwave)/(IZZ+JZZ)(5)c式中：x，y 为船舶的位置坐标；u 为前进速度；为艏向角；m 为船舶质量；mx，my为附加质量；XH，YH和 NH为裸壳长；XP，YP和 NP为螺旋桨的力和力矩；XR，YR和 NR为舵力和力矩；XW，YW和 NW为风力和力矩；Xwave，Ywave和 Nwave为波浪力和力矩；Vc和为洋流速度和流向；Izz为船舶绕垂直轴的 船舶靠泊方式自力靠泊自力顺靠自力顺靠小角度靠拢自力掉头靠小角度靠拢自力掉头靠平行靠拢拖轮协助顺靠小角度靠拢拖轮协助顺靠平行靠拢拖轮协助掉头靠小角度靠拢拖轮协助掉头靠平行靠拢自力顺靠平行靠拢自力掉头靠拖轮协助顺靠拖轮协助掉头靠拖轮协助靠泊图 3船舶靠泊操纵方式分类Fig.3 Classification of ship berthing mode 表 1 船舶运动数学模型Table 1 Mathematical model of ship motion数学模型主要研究者研究方法整体型Lee等40在Abkowitz整体型船舶数学模型的基础上考虑浅水效应等分离型李日岭41、张强等42和Meng等43在MMG分离型数学模型的基础上考虑低速、浅水效应和环境扰动等6“无人船艇自主性技术”专辑第 19 卷惯性矩；Jzz为附加惯性矩。1981 年，Son 等48通过约束模拟试验得到了四自由度分离型水动力系数。1994 年，Fossen49利用上述水动力系数和船体、推进器、舵干扰系数，建立了四自由度船舶运动数学模型。2007 年，刘春生等50在 MMG 模型分离建模的基础上，建立了一种使用侧推器协助靠/离泊操纵的船舶运动数学模型。2012 年，李日岭41在 MMG 分离型数学模型的基础上考虑浅水效应，建立了低速条件下的大型船舶运动数学模型。2016 年，张强等42根据 MMG 模型分离建模的思想，考虑了船、桨、舵等之间的互相干扰以及浅水、低速和环境扰动，建立了右旋单桨船舶运动模型。2020 年，刘新召51对 Fossen49建立的四自由度船舶运动模型进行修改，得到了考虑船舶低速运动的三自由度靠泊模型。2022 年，Meng 等43基于 MMG 模型的建模方法，提出了一种无人艇在低速靠泊过程中考虑航速变化和风干扰等因素的特征模型。1.3 控制算法智能船舶靠泊是在受限水域低速状态下的一种运动，加上外界环境的干扰，会使得控制精度下降，控制输出抖动，控制变得比较困难，甚至是出现碰撞事故9。为了解决船舶靠泊控制问题，国内外学者从控制算法的角度进行了大量研究。目前，自动靠泊控制算法主要包括神经网络、最优控制、自适应控制、滑模控制和闭环增益成形控制等，表 2 给出了这几种算法的优缺点对比。下面，将分别对这几种控制算法予以介绍。表 2 不同控制器的优缺点对比Table 2 Comparison of advantages and disadvantages of different controllers控制器类型优 点缺 点神经网络能有效解决系统模型的不确定性、高度非线性等问题存在“黑盒子”性质，理论证明困难最优控制可以处理约束问题，在目标函数中可以明确控制目标计算复杂，理论证明困难自适应控制不需要精确的数学模型，处理非线性、时变问题较强控制精度与参数估计相矛盾滑模控制快速响应，对应的参数变化及扰动不灵敏等容易产生抖振问题闭环增益成形控制求解过程简单，工程意义明确，鲁棒性强在控制器中无法考虑约束问题 1.3.1 神经网络方法人工神经网络52（artificial neural networks，ANN）简称为神经网络（neural network，NN）或是类神经网络，起源于 1940 年代。该算法从信息处理的角度出发，通过对人脑的神经元网络进行抽象，建立一个简单的模型，然后根据不同的连接方式组成不同的网络。该方法的并行处理信息较大，信息贮存和自组织自学习能力较强，在系统辨识53和智能控制54-55等领域应用非常广泛。特别是在智能控制领域，由于能有效解决系统模型的不确定性和高度的非线性等问题，在自动靠泊的应用方面具有很大的优越性。2018 年，Im 和 Nguyen56提出了一种神经网络控制器，可以在不重复训练人工神经网络结构的情况下，自动控制船舶进入不同的港口。2019 年，Mizuno 和 Kuboshima57为了解决不同的停泊距离和干扰等实际运行情况，采用递归神经网络作为最佳非线性反馈控制器，在不同的情况下使用 Shioji-Maru 号训练船进行了广泛的仿真和海上试验，验证了自动靠泊系统的有效性。2020 年，Li 和 Hong58使用神经网络算法建立了基于预定航线的自动靠泊模型，然后将一个港口的训练数据应用于不同泊位布局的船舶靠泊，通过对不同泊位的直接靠泊和掉头靠泊进行仿真，验证了控制器的良好控制效果。同年，Nguyen59建立了隐层结构独立的神经网络，通过利用原港口船舶靠泊数据进行一次训练，实现了不同港口的靠泊任务，并对船舶靠泊任务进行了数值模拟，结果表明该系统在船舶自动靠泊中具有良好的性能。1.3.2 最优控制最优控制60是指在约束的情况下寻找最优控制战略，其研究的主要问题为：依据已构建被控对象的数学模型，选取一种允许的控制规律，从而达到预定的某个性能指标。由于船舶在低速靠泊过程中的模型具有较强的非线性，很难对其进行计算，所以利用非线性最佳控制理论对其进行数值模拟的方法得到了广泛应用61。目前，研究的最优控制的方法主要有模型预测控制法62和协方差矩阵适应进化策略法63等。2018 年，Mizuno等64利用遗传算法和仿真方法，研究了一种求解输入模式分配最优控制问题的新方法。2021 年，Liu 等65通过引入自动虚拟导航系统，把靠泊控制问题转换成跟踪控制，进而转化为最优调节问题，同时利用自动船模进行了仿真，结果验证了第 1 期李国帅等：智能船舶靠泊技术研究热点与趋势7所提控制方案的有效性。同年，Maki 等63在考虑自动靠泊操纵模型的低速和非线性的基础上，优化了螺旋桨旋转方向切换时间变量，设计了最优控制器。1.3.3 自适应控制自适应控制66主要有 2 种类型：模型参考的自适应控制和自校正控制。前者建立于 1950 年代，是通过自适应机制来克服系统模型的参数不确定性。后者由瑞典学者 Astrom 于 1973 年提出，是采用联机来对系统模式进行参数估算，并对控制器进行参数修正，从而达到与环境相适应的目的。2020 年，徐海祥等67针对智能船舶在存在环境干扰和岸壁效应时会导致控制精度降低和控制输出抖振的问题，将动态曲面控制技术与反演法相结合，给出了一种鲁棒自适应控制律，通过模拟计算，从而证明了该方法的正确性。2021 年，Shi 等68为了解决智能船舶在环境干扰和岸壁影响下的靠泊问题，采用了一种基于动态水面控制和反演的鲁棒自适应控制技术，该算法克服了传统反演算法在求解虚拟控制过程中所产生的计算复杂度增大的问题，进而有效克服了控制输出的抖振问题。2022 年，Baek 和 Woo69结合自动靠泊时漂移角大、风浪流等环境时变扰动且船舶动力学复杂的特性，提出了一种状态机方法来解决靠泊过程中的状态转换问题，其通过采用模型并参考自适应控制器来处理无人艇靠泊过程中动态的不确定性，设计了小型无人艇自动靠泊自适应控制器。1.3.4 滑模控制滑模控制（sliding mode control，SMC）也称变结构控制，本质上是一类特殊的非线性控制，且非线性表现为控制的不连续性。这种控制策略与其他控制的不同之处在于系统的“结构”并不固定，而是可以在动态过程中根据系统当前的状态（如偏差及其各阶导数等）有目的地不断变化，迫使系统按照预定“滑动模态”的状态轨迹运动。由于滑动模态可以进行设计且与对象参数及扰动无关，这就使得滑模控制具有快速响应、对应参数变化及扰动不灵敏、无需系统在线辨识、物理实现简单等优点。2011 年，Bui 等70利用滑模技术研究船舶靠泊轨迹跟踪问题，同时跟踪船舶的位置和航向角，用以确保船舶以期望的速度遵循给定的路径，并利用所提方法进行了模拟，结果显示模拟效果良好。2018 年，Zou 等71提出了一种基于混沌粒子群优化的迭代滑模控制方法，该方法无需估计系统的不确定性和外部干扰，能够使船舶在风浪的干扰下快速靠泊。1.3.5 闭环增益成形控制算法闭环增益成形控制算法72是结合 H鲁棒控制理论73、灵敏度函数 S 和补灵敏度函数 T 的相关性而给出的一种简化 S/T 混合灵敏度算法。该方法使用物理理解代替数学演绎，求解过程简单，工程意义明确、清晰，设计的控制器阶次低，具有较好的鲁棒性。2005 年，张显库等74为了抑制船舶在低速、浅水以及风、浪等强扰动下的影响，采用闭环增益成形算法构建了一种基于风、浪干扰的非线性船舶运动数学模型，其将航速和水深变化反应到模型参数的改变中，采用闭环增益成形算法设计了控制器。2014 年，张显库和张国庆75为使船舶在港区内能自动掉头，使用 S 函数对低速、浅水以及风、流影响下的非线性数学模型进一步予以了完善，采用闭环增益成形方法设计了一种简捷、鲁棒的控制器。1.3.6 其他方法目前，国内外在智能船舶靠泊技术研究方面仍在不断探索新的控制手段。Zhang 等76提出了一种新的演示强化学习方法，并将其应用到了无人艇的自动靠泊控制系统中。Hong 等77使用强化学习解决了拖船自动控制的难点。Zhang 等78提出了一种基于简洁反步法的三自由度欠驱动水面船舶自动靠泊控制策略。张皓然79通过各类专家策略提供的数据并结合强化学习与模仿学习，提高了智能体的训练速度和稳定性，使靠泊轨迹更加平滑。Piao 等8采用了自抗扰控制方法来保持船舶在其预定轨迹上的运动，仿真结果显示，该控制器可使船舶在有风和无风的条件下具有完全自动靠泊的能力。Liu 等80采用有限时间理论等研究了欠驱动水面船舶的自动靠泊问题。Han 等81提出了一种线性模型预测控制（MPC），用于跟踪设计的靠泊轨迹，并在大连港对整个自动靠泊方案进行了模拟。2 靠泊技术尚待解决的问题通过分析国内外智能船靠泊技术的研究现状，得出尚待解决的主要问题如下：1）自动靠泊急需向自主靠泊转变，以真正实现智能船舶的全程自主航行。目前，国内外学者主要是研究智能船舶的自动靠泊，尚未能将智能感知82的信息资源与自动靠泊技术有效融合并利用人工智能等技术对所得到的多传感器观测信息进行自动分析、综合和支配以及决策与控制，从而达到智能船舶的完全自主靠泊。8“无人船艇自主性技术”专辑第 19 卷2）数学模型复杂、参数整定困难，还有待解决复杂模型中的参数未知以及不确定性问题。智能船舶靠泊时主要处于低速状态，舵效较弱，在极端海况下，风、浪、流等的干扰会失去舵效，从而造成水动力导数的计算出现偏差。此外，因操纵水域受限，船舶受岸壁和浅水作用的影响很大，使得现有模型精度降低83。因此，建立更加精准的数学模型，对船舶运动进行仿真和预报是实现智能船舶安全靠泊控制的重要前提。3）先进的控制算法应与航海实践有效结合。当前，有关自动靠泊控制的研究已越来越深入，但多数是理论探讨，缺少实践性，甚至其应用条件与实际工程不符，很难用于工程实践84。船舶的自主靠泊操纵必须在保证安全、保障经济性的前提下实现对靠泊路径的最优控制85。欠驱动船舶存在无法跟踪某些路径的问题，而大部分研究只注重研究靠泊控制算法，忽略了船舶在靠泊前应预先制订一个完整、科学的靠泊操纵计划。4）控制参数多，车、舵、侧推器等设备协调控制困难。靠泊操纵实质上是通过有效的方法实时控制靠泊过程中的运动参数。在靠泊过程中的各个阶段，都需要根据操纵目的重点控制船位、距离、航向和船速等运动状态。在接近入泊区域前，需要调整船舶姿态，以便适合靠岸。在抵泊时，需着重控制的船体移动参数有抵泊速度、抵泊横距、抵泊角度等。该控制主要与船舶的排水量、载重状态、停船性能、靠泊操纵方式、水域环境及水文气象条件等因素有关。合理利用车、舵、侧推器等设备协调工作对船舶的航向、位置和速度等多个变量同时进行控制是安全靠泊的关键。5）能量消耗大，碳排放量高，需要提高算法节能性。交通运输行业排放的 CO2占总排放量的 33%，船舶作为水路交通的运载工具，其在营运阶段所产生的 CO2不容忽视。船舶在靠泊操纵时，舵、桨等执行器为了克服外界干扰以及低速、浅水和欠驱动等问题，其幅值相比定常速航行时更大，操作频率更高，致使舵机和主机的工作负荷增大，从而增加碳排放量。针对这种“高能耗”的操纵，当前迫切需要进行靠泊技术的节能减排研究，以推动智能船舶向绿色低碳转型。6）迫切需要解决智能船舶靠泊技术的有效性试验。目前，针对智能船舶靠泊技术的试验与验证尚不完善，缺乏较好的定量评价方法来对靠泊技术的自主性、鲁棒性、快速性和“韧性”（所谓韧性，是指靠泊算法在紧迫局面、紧迫危险等情况下的应急行动能力，韧性越好，越能避免碰撞危险、紧迫局面和紧迫危险的形成，船舶发生碰撞事故的可能性也就越小）进行有效评价。3 靠泊技术研究趋势1）将智能感知、路径规划和自动靠泊等技术有机融合，实现智能船舶的自主靠泊。随着智能船舶的发展，船舶感知技术日趋成熟，在靠泊的过程中，船舶可以通过电子海图显示与信息系统（ECDIS）、自动识别系统（AIS），以及超声波距离传感器、光纤罗经、三维激光雷达等设备实时、准确地感知自身相对于泊位的状态、距离关键区域的距离、船舶自身的速度和偏航率、横向接近码头的速度和船舶接近角等数据。针对智能船舶靠泊技术自主性欠缺的问题，可以将智能感知、路径规划和自动靠泊等技术有机融合，在感知和掌握港口水域信息、水文气象信息等的基础上实现智能船舶的自主靠泊。2）结合航海现状和实际需求，建立更加精准的靠泊操纵数学模型。鉴于船舶靠泊操纵数学模型高度复杂、参数整定困难，现阶段可以通过神经网络、模型预测控制等方法解决系统模型不确定和高度非线性等问题，远期应结合航海现状和实际需求，充分考虑船体、桨、舵、侧推器等设备的相互干扰，建立考虑浅水效应、岸壁效应等影响的低速数学模型，并利用实船靠泊操纵数据在线修正模型误差，从而建立更加准确的靠泊操纵数学模型。3）智能决策靠泊方式，规划满足欠驱动船舶跟踪需求的靠泊路径，自主制定安全、经济的靠泊操纵计划。从航海实践出发，在感知和掌握港口水域信息（航道、泊位、掉头水域等）、水文气象信息（风、浪、流、潮汐等）等的基础上，利用人工智能技术对对获取的多传感器观测信息进行自动分析，然后结合欠驱动船舶的载重状态和操纵性能，将智能感知、智能规划等技术有机融合，智能决策靠泊方式，针对靠泊操纵中的关键点船位、距离、航向、航速等控制要点设计约束条件，规划满足欠驱动船舶跟踪需求的靠泊路径，自主制定安全、经济的靠泊操纵计划，设计能够满足实船靠泊需求的智能控制算法。4）自主协调车、舵、侧推器等设备，提高控制效果，增强鲁棒性。针对靠泊控制要求船舶在某一时刻保持船位或姿态稳定的难点，探索研究具有控制效果好、鲁棒性强等特点的控制算法，通过合理利用车、舵、侧推器等设备协调工作，对船舶的航向、位置和速度等多个变量同时予以控第 1 期李国帅等：智能船舶靠泊技术研究热点与趋势9制，以应对模型未知、浅水效应、岸壁效应以及风、浪、流干扰等问题，进而达到既能使船舶在外界干扰下准确跟踪靠泊路径，又能满足船舶靠泊运动轨迹控制的多约束条件。5）优化控制算法，推动智能船舶靠泊技术向绿色低碳转型。要降低船舶温室气体排放、提高船舶能效，可以通过开发新能源86、减小主机能耗87、降低航行速度88、优化航线89以及改进船舶运动控制系统90等来实现。对于“高能耗”的靠泊操纵，可以通过非线性反馈91和非线性修饰92等技术优化控制器，改善控制器性能，缩短靠泊操纵时间，提高港口运营效率，从而达到节能的目的。6）发展智能船舶靠泊系统测试技术。建立智能船舶靠泊系统自主性、鲁棒性、快速性和“韧性”指标体系，构建量化评估模型和评估算法，而研制一种适合于智能船舶靠泊系统的检测与检验平台是目前急需解决的问题。4 结语本文总结和概括了国内外智能船舶靠泊技术现有的研究成果，指出自主靠泊能够缩短靠泊操纵时间，提高作业效率和安全性。通过对现阶段智能船舶靠泊技术还存在自主性不强、模型精度不高，以及车、舵、侧推器等设备协调控制困难、能量消耗大、先进的控制算法尚不能与航海实践有效结合、缺少定量评价方法来对靠泊技术的有效性进行试验与验证等问题的分析，提出智能船舶靠泊技术的研发与应用应从航海实际需求出发，建立更加精准的靠泊操纵数学模型，并将智能感知、智能规划和自动靠泊等技术有机融合，利用人工智能进行自主分析、决策和控制，努力提升靠泊技术的自主性、鲁棒性、快速性和“韧性”，助力实现安全、绿色、高效的智能航运。参考文献：KANG B S,JUNG C H.A study on automatic opera-tion control of autonomous shipsJ.Journal of theKorean Society of Marine Environment and Safety,2021,27(1):3846.1 高汉增,王玉林.智能航保体系构建初探 J.中国海事,2019(12):2021.GAO H Z,WANG Y L.Preliminary discussion on theconstruction of intelligent navigation guarantee systemJ.China Maritime Safety,2019(12):2021(in Chinese).2 张英俊,翟鹏宇.海运船舶自主避碰技术研究进展与趋势 J.大连海事大学学报,2022,48(3):111.ZHANG Y J,ZHAI P Y.Research progress and trend3of autonomous collision avoidance technology for marineshipsJ.Journal of Dalian Maritime University,2022,48(3):111(in Chinese).张显库,韩旭.船舶运输安全保障下的智能船舶运动控制策略 J.中国舰船研究,2019,14(增刊 1):16.ZHANG X K,HAN X.The motion control strategy forintelligent ships based on ship transportation safeguardJ.Chinese Journal of Ship Research,2019,14(Supp 1):16.4 封波.智能船舶发展战略规划研究 J.船舶工程,2020,42(3):18.FENG B.Research on intelligent ship development stra-tegic planningJ.Ship Engineering,2020,42(3):18(inChinese).5 闫纪红,李柏林.智能制造研究热点及趋势分析 J.科学通报,2020,65(8):684694.YAN J H,LI B L.Research hotspots and tendency ofintelligent manufacturingJ.Chinese Science Bulletin,2020,65(8):684694(in Chinese).6 张山甲,王建华,郑翔,等.基于视觉伺服的欠驱动无人水面艇自主靠泊方法 J.船舶工程,2020,42(7):144151.ZHANG S J,WANG J H,ZHENG X,et al.Autonom-ous berthing method of underactuated unmanned sur-face vehicle based on visual servoJ.