近年来，智能船舶受到了国际海事组织、世界各国的广泛关注，船舶智能航行在提升航运效能、节能减排、减少船舶配员等方面具有重要作用。本书主要介绍船舶智能航行控制涉及的感知、路径规划、控制方法及其在不同场景的应用和验证效果。具体分析了智能船舶和船舶智能航行发展趋势，详细介绍了船载三维激光点云目标识别方法、复杂场景路径规划方法和不确定性环境的船舶运动控制方法，阐述了感知－决策－控制一体化无人艇实验平台、船舶运动控制模型船平台和船闸水域船舶编队航行平台的构成、软硬件系统实现以及算法应用过程。 本书可供船舶智能感知、决策和控制领域的研究者参考，也可作为水路交通运输工程本科生和研究生的参考教材。

第1章 绪论
　　1.1 引言
　　水路运输是国民经济发展的命脉，国际贸易90%以上靠水路运输完成[1]。截至2019年末，我国水路运输完成货物周转量达到103963.04亿t，分别是铁路运输和公路运输的3.4倍和1.7倍。我国拥有水上运输船舶13.16万艘，净载重量达到25684.97万t，集装箱箱位达到223.85万标准箱，港口年货物吞吐量为139.51亿t，位居世界第一[2]。近年来人工智能、大数据、云计算、机器学习、5G 通信、物联网等新技术的兴起，极大推动了智能船舶相关理论与技术的发展。智能船舶是支撑水路运输向智能化和绿色化发展的基础，也是我国海洋强国与交通强国船舶装备建设重点方向，已成为近年来国际海事研究领域的新热点。我国作为造船大国，先后实施了“智能船舶1.0研发专项”“绿色智能内河船舶创新专项”“智能船舶综合测试与验证研究”“船舶（航行）态势智能感知系统研制”“基于船岸协同的船舶智能航行与控制关键技术”等科技项目，取得了丰硕的成果。但由于全世界智能船舶仍处于探索和发展的初级阶段，许多工作尚待进一步完善。加快船舶智能技术研发与工程应用，对支撑我国抢占智能航运发展先机、促进我国船舶工业高质量发展具有重要作用[3]。
　　在第99届海上安全会议上国际海事组织（International Maritime Organization，IMO）提出了水面自主船舶（maritime autonomous surface ships，MASS）定义及自主水平4级划分提议，见表1.1。由表可见，智能航行是水面自主船舶核心功能之一，且其技术发展是逐步和阶段性的。受智能技术发展与海事法规等因素制约，今后很长一段时间内人机共存的L1～L3级水面自主船舶是*有可能实用化的智能船舶技术，是研发的主攻方向。
　　随着人工智能、大数据、通信、云计算、智能控制等技术的飞速发展，船舶智能化受到了国际海事组织、各大船级社、航运企业和学术机构愈来愈多的关注[4]。近年来，世界主要航海大国船级社相继发布了智能船舶行动计划和智能航行等级划分。2015年，中国船级社率先发布了《智能船舶规范（2015）》，将智能船舶的功能分为智能航行、智能船体、智能机舱、智能能效管理、智能货物管理和智能集成平台[5]。2020年，中国船级社根据智能船舶发展需要，更新发布了《智能船舶规范（2020）》，新增了远程控制操作和自主操作功能[6]。《智能船舶规范（2020）》中指出：“智能船舶系指利用传感器、通信、物联网、互联网等技术手段，自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据，并基于计算机技术、自动控制技术和大数据处理和分析技术，在船舶航行、管理、维护保养、货物运输等方面实现智能化运行的船舶，以使船舶更加安全、更加环保、更加经济和更加可靠。”[6]虽然世界各国对智能船舶的概念和发展阶段的定义不完全相同，但对智能船舶更安全、更经济、更智能、更环保的发展愿景描述基本一致。
　　表1.1 IMO水面自主船舶分级表
　　1.2 智能船舶概念与发展
　　船舶智能技术的发展可追溯至综合船桥系统（integrated bridge system，IBS）[7]。从20世纪60年代末至今，IBS 经历了五十多年的发展，已具备导航、驾控、避碰、信息集中显示、报警监控、通信、岸站支持、航行管理与控制自动化等多种功能，在保障船舶航行安全和降低人员成本方面发挥着重要作用。随着近十年来智能船舶概念逐渐被人们接受和认可，智能船舶的发展已从单一的机舱自动化、驾控一体化和运维智能化，逐渐向船舶整体智能化方向发展。近年来国内外主要进行的智能船舶研究和试验的情况总结如下。
　　2012年9月，欧洲率先启动了智能船舶项目“智能化及网络支持的海上无人导航系统”，该项目对自主航行和无人驾驶船舶的概念、架构、技术途径和法规等进行了系统性论证和研究。2015年7月，英国罗尔斯 罗伊斯公司（以下简称罗罗公司）发布了“高级无人驾驶船舶应用开发计划”，展示了未来智能船舶概念[8]。2017年6月，罗罗公司与全球拖船运营商Svitzer 合作，实现了在丹麦哥本哈根港的远程遥控驾驶功能。2017年9月，芬兰瓦锡兰公司通过使用常规卫星通信，在美国加利福尼亚州圣迭戈远程操控位于8000 km 外欧洲北海海域的“Highland Chieftain”号轮船，完成了4 h 的远程遥控船舶操作测试。2017年12月，我国自主研发的全球首艘38800 t 智能散货船“大智号”正式交付，该船上安装智能运行与维护系统，能够实现航线自主规划、自动避碰、系统状态自动诊断等功能。2018年11月，我国研发和建造的40万吨级智能超大型矿砂船“明远”号正式交付，实现了辅助自动驾驶、能效管理、设备运维、船岸一体通信和货物液化监测等功能[4]。2018年12月，罗罗公司与芬兰渡轮运营商Finferries 在芬兰图尔库市以南的群岛成功展示了全球首艘无人驾驶渡轮“Falco”号，并完成了无人驾驶和远程驾驶航行。2018年12月，瓦锡兰公司在“Folgefonn”号渡轮上完成了三个港口之间的完全不间断自主航行。2019年1月，ABB 公司的“Suomenlinna II ”号冰级客渡轮，通过远程驾驶技术成功航行通过了赫尔辛基港附近的测试区域。2019年5月，具有自主航行、远程遥控、自动靠离泊的“智腾”号船舶完成了航行测试。2019年6月，我国超大油轮示范船“凯征”号正式交付，该船被授予了智能航行、智能机舱、智能能效管理、智能货物管理和智能平台5个智能船舶附加标志。2019年6月，欧盟启动“欧洲水域自主航运倡议（autonomous shipping initiative for European waters，AUTOSHIP）”项目，针对短线海洋货运船舶和内河货运船舶开展船舶态势感知、自主避碰、远程自主航行、船岸数据交互、数据安全、智能维护等方面的研究，预计2023年底实现商业化应用。2019年7月，日本三井造船公司完成了“ShiojiMaru”号船舶的自动靠泊和离泊试验。2019年9月，挪威船级社与自动化系统供应商H.glund 等合作，在“Fannefjord”号渡轮上实现了自动化系统和轮机设备的远程控制[9]。2019年10月，武汉理工大学国家水运安全工程技术研究中心在荷兰海事研究所演示了跨越8500 km 的船舶远程控制。2019年12月，韩国三星重工在大田控制中心利用5G 技术对250 km 外的一艘缩比模型船进行了远程驾驶，演示验证了基于海上避碰规则的自主航行和智能航线优化技术。2019年12月，由中国船级社等单位联合研发的“筋斗云”号小型无人货船首航，该船具有远程监控、多船会遇自动避碰、自主靠离泊等功能。2020年12月，日本邮船公司联合其他机构在东京湾开展了针对“吉野丸”号拖船大约400 km 距离的远程操作。由英国普利茅斯大学与IBM 公司等机构研发的“五月花”号无人驾驶船舶以风能和太阳能作为动力源，预计在2021年尝试无人驾驶跨越从英国到美国的大西洋航程。全球代表性智能船舶如图1.1所示。
　　图1.1 全球代表性智能船舶
　　可见，当前智能船舶已进入了快速发展阶段，以欧洲部分国家和日本、韩国、中国为代表的航运和造船大国正在积极开展智能船舶相关的标准制定、技术研发、测试验证等研究。
　　1.3 船舶智能航行控制发展
　　智能航行是智能船舶的核心功能。中国船级社《智能船舶规范（2020）》中对船舶智能航行的定义为：“利用先进感知技术和传感信息融合技术等获取和感知船舶航行所需的状态信息，并通过计算机技术、控制技术进行分析和处理，为船舶的航行提供航速和航路优化的决策建议。在可行时，船舶能够在开阔水域、狭窄水道、进出港口，靠离码头等不同航行场景和复杂环境条件下实现船舶的自主航行。”[6]可见，船舶智能航行与自主航行概念上较为接近，考虑船舶智能航行与自主航行都具有相应的等级划分，为便于描述，在本书中认为智能航行与自主航行在概念上等价。船舶智能航行一方面可以替代船员做出决策，降低人为操纵失误带来的航行事故风险；另一方面也可以减少船舶配员，节约成本，推动船舶实现远程驾驶和无人驾驶[10]。但是，船舶智能航行发展也是循序渐进的，国际海事组织、劳氏船级社、挪威自主船舶论坛、罗罗公司等机构相继发布了船舶智能航行等级划分规则，见表1.2。
　　表1.2 船舶智能航行等级划分[11-12]
　　船舶智能航行系统包括感知、认知、决策和控制等子系统[13]，如图1.2所示。近年来，船舶智能航行研究主要以辅助驾驶决策和部分条件下自主航行为主。
　　图1.2 船舶智能航行系统

目录
第1章 绪论 1
1.1 引言 1
1.2 智能船舶概念与发展 3
1.3 船舶智能航行控制发展 5
1.3.1 感知子系统 7
1.3.2 认知子系统 7
1.3.3 决策子系统 7
1.3.4 控制子系统 8
参考文献 8
第2章 船舶智能航行近距离目标感知 10
2.1 船舶智能航行近距离目标感知系统 10
2.2 基于毫米波雷达的船舶近距离障碍物识别方法 12
2.2.1 毫米波雷达简介 12
2.2.2 基于毫米波雷达的船舶感知方法 13
2.3 基于激光雷达的船舶目标感知方法 15
2.3.1 基于先验知识的三维点云目标识别方法 17
2.3.2 基于学习机制的三维点云目标识别方法 18
2.3.3 基于三维激光点云的目标识别方法 20
2.4 船载三维激光雷达目标识别软件 24
2.4.1 软件简介 24
2.4.2 软件功能 24
参考文献 26
第3章 船舶智能航行避碰路径规划 30
3.1 船舶避碰路径规划主要算法 30
3.2 基于A*算法的船舶全局路径规划方法 32
3.3 面向无人航道测量的船舶A*算法路径规划方法 33
3.3.1 无人航道测量船路径规划算法的提出 34
3.3.2 仿真对比 36
3.3.3 仿真结果分析 39
3.4 考虑多因素的船舶改进A*算法路径规划方法 41
3.4.1 风险建模 41
3.4.2 A*算法改进 45
3.4.3 仿真实例 52
参考文献 57
第4章 船舶智能航行运动控制模型 60
4.1 船舶运动控制概述 60
4.2 船舶路径跟踪控制 61
4.2.1 *优控制 61
4.2.2 变结构（滑模）控制 62
4.2.3 反馈线性化 62
4.2.4 智能控制 63
4.2.5 Backstepping算法 64
4.2.6 模型预测控制 64
4.2.7 各种方法的优缺点分析 65
4.3 船舶路径跟踪自适应控制 66
4.3.1 系统辨识方法 67
4.3.2 视距导航算法 69
4.3.3 船舶运动状态观测器 69
4.4 船舶运动建模 71
4.4.1 船舶运动模型 71
4.4.2 环境干扰 78
4.4.3 模型不确定性 80
参考文献 82
第5章 船舶智能航行轨迹跟踪控制 90
5.1 船舶轨迹跟踪控制原理 90
5.1.1 MPC基本原理 90
5.1.2 基于MPC的船舶轨迹跟踪基本原理 91
5.2 基于线性MPC的船舶轨迹跟踪控制 91
5.2.1 非线性状态空间模型建立 91
5.2.2 模型线性化和离散化 92
5.2.3 约束条件设置 93
5.2.4 *优化问题 95
5.2.5 仿真实验 96
5.3 基于非线性MPC的船舶轨迹跟踪控制 104
5.3.1 模型离散化 104
5.3.2 约束条件设置 105
5.3.3 *优化问题 106
5.3.4 仿真实验 106
5.4 基于MPC与基于滑模控制的船舶轨迹跟踪对比 108
5.4.1 基于滑模控制的轨迹跟踪控制方法 108
5.4.2 仿真实验对比 109
参考文献 110
第6章 船舶智能航行路径跟随控制 111
6.1 船舶路径跟随控制原理 111
6.2 船舶自适应LOS导航 112
6.2.1 LOS基本原理 112
6.2.2 自适应LOS导航算法 115
6.3 船舶路径跟随控制 116
6.3.1 响应型模型 116
6.3.2 船舶路径跟随控制模型 117
6.4 基于自适应LOS和MPC的船舶路径跟随控制 117
6.5 基于自适应LOS的船舶路径跟随仿真实验 119
6.5.1 仿真参数设计 119
6.5.2 自适应LOS参数整定 120
6.5.3 自适应LOS与传统LOS的路径跟随效果对比 121
6.5.4 无干扰情况下基于自适应LOS和MPC的路径跟随控制 122
6.5.5 基于MPC与基于Backstepping的路径跟随对比 123
6.5.6 干扰情况下基于自适应LOS和MPC的路径跟随控制 126
参考文献 130
第7章 考虑不确定性的船舶智能航行路径跟随控制 131
7.1 基于传统LS-SVM的运动模型参数辨识方法 131
7.1.1 基于传统LS-SVM的函数估计方法 132
7.1.2 基于传统LS-SVM的船舶路径跟随参数辨识方法 134
7.2 基于λ-LS-SVM的船舶运动模型在线参数辨识方法 136
7.2.1 基于滑动数据窗口的在线辨识方法 136
7.2.2 模型变化指数设计 137
7.2.3 输入持续激励方法 138
7.2.4 基于λ-LS-SVM的船舶运动模型在线辨识算法 138
7.3 基于λ-LS-SVM和MPC的船舶自适应路径跟随控制 139
7.4 仿真实验 141
7.4.1 场景1：机构老化引起的参数改变 141
7.4.2 场景2：水流等引起的参数改变 142
7.4.3 场景3：船舶操纵性的改变 144
7.4.4 仿真结果及分析 146
参考文献 147
第8章 基于扩张状态观测器的船舶智能航行路径跟随控制 148
8.1 通用ESO 148
8.1.1 ESO的提出 148
8.1.2 通用ESO观测器的提出 150
8.2 补偿ESO 152
8.2.1 连续补偿扩张状态观测器 152
8.2.2 离散补偿扩张状态观测器 154
8.3 基于离散补偿ESO的MPC控制方法 155
8.3.1 方法的提出 155
8.3.2 稳定性分析 156
8.3.3 实例验证 158
8.4 基于LEM控制方法的船舶路径跟随控制 165
8.4.1 基本原理 165
8.4.2 仿真实验验证 166
参考文献 169
第9章 船舶编队航行协同控制 170
9.1 船舶编队航行控制研究进展 170
9.1.1 船舶编队控制结构 170
9.1.2 船舶编队运动模型 176
9.1.3 船舶编队控制器 178
9.1.4 研究现状与关键问题 180
9.2 船舶纵向航速协同控制方法 181
9.2.1 船舶的纵向动力模型 183
9.2.2 船舶航速跟驰建模 185
9.2.3 模型预测控制 187
9.2.4 仿真验证 190
9.3 船舶编队过闸控制方法 197
9.3.1 船舶编队过闸控制研究背景 197
9.3.2 过闸船舶编队控制结构 199
9.3.3 过闸船舶编队控制方法 200
9.4 船舶编队控制研究展望 204
参考文献 205
第10章 船舶智能航行控制应用 212
10.1 感知-决策-控制一体化无人艇平台 212
10.1.1 实验平台设计 212
10.1.2 算法与软件实现 214
10.1.3 点云目标识别实验 215
10.1.4 路径规划实验 217
10.2 船舶运动控制模型船平台 218
10.2.1 模型船运动控制实验平台 219
10.2.2 平台算法实现 226
10.2.3 实验验证 230
10.3 船闸水域船舶编队航行平台 242
10.3.1 概述 242
10.3.2 多船编队过闸控制系统 242
参考文献 253
编后记 254