不确定性条件下无人水面艇靠泊轨迹规划的可靠性稳健设计优化方法

《Journal of Marine Science and Engineering》：A Reliability-Based Robust Design Optimization Method for Unmanned Surface Vessel Berthing Trajectory Planning Under Uncertainty

　　

摘要专业翻译 不确定性可能影响无人水面艇（USV）靠泊轨迹规划的有效性与可行性。为增强不确定性条件下无人水面艇靠泊轨迹规划的抗扰能力与稳健性，本研究提出一种不确定性条件下无人水面艇靠泊轨迹规划的基于可靠性的稳健设计优化方法。首先，基于无人水面艇靠泊运动模型与自主靠泊约束，研究人员构建了集成视线（LOS）制导、基于人工势场（APF）的局部避障以及滑模控制（SMC）的靠泊轨迹规划系统。其次，针对不同几何形状的障碍物建立了碰撞规避模型，并在考虑船舶位置不确定性的情况下，利用人工势场法对移动障碍船产生的斥力场进行建模。最后，研究人员构建了考虑不确定性的目标函数与过程约束，建立了无人水面艇靠泊轨迹规划的基于可靠性的稳健设计优化模型。仿真结果表明，在本研究所考虑的两种靠泊场景及不确定性条件下，基于可靠性的稳健设计优化（RBRDO）方案在终端距离的均值与标准差以及终端靠泊失效概率方面，均优于基于视线（LOS）、人工势场（APF）与滑模控制（SMC）框架的固定参数基线方案及确定性优化方案。这些改进增强了混合不确定性条件下无人水面艇靠泊轨迹规划的稳健性与可靠性。

论文解读

研究背景与问题

自主靠泊是自主航行、任务回收及无人值守船舶运行的关键使能技术。靠泊过程中，环境条件随时间和空间变化，引入不确定性。在低速运行工况与环境扰动下，用于控制无人水面艇（USV）的运动模型参数也可能存在不确定性。鉴于无人水面艇有限的抗扰能力，这些不确定性使得自主靠泊与船舶操纵更具挑战性。因此，有必要在整个靠泊过程中考虑不确定性。基于可靠性的稳健设计优化（RBRDO）能够提供具有更强抗扰能力与稳健性的靠泊轨迹及控制策略，从而支撑安全自主靠泊。

既有研究在船舶靠泊轨迹规划、控制与避碰方面已取得进展。Han等[1]提出扩展动态窗口方法用于实时靠泊规划；Liao等[2]将改进人工势场（APF）方法与自适应模糊比例–积分–微分（PID）控制相结合生成并跟踪靠泊轨迹，但环境参数被处理为确定性；Han等[3]将APF局部避碰与《国际海上避碰规则》（COLREGs）约束耦合，但未考虑移动障碍船的位置误差；Wang等[4]通过将靠泊最优控制问题分解为全局轨迹优化与控制变量优化降低计算复杂度，但仍主要聚焦确定性靠泊性能；Yuan等[5]集成A*算法、Bézier曲线与事件触发模型预测控制，考虑了模型不确定性、执行器饱和与环境扰动，但未评估靠泊失效概率；Sun等[6]结合Bézier曲线轨迹规划、速度分配与模糊反步控制补偿浅水与岸壁效应，但未考虑移动障碍船；Liu等[7]采用扩张状态观测器与高阶控制障碍函数处理模型不确定性、环境扰动与多重安全约束，但未分析随机扰动下轨迹响应的分布。

在考虑不确定性的自主靠泊研究中，Sawada等[8]提出带前馈补偿的路径跟踪控制器并通过实船试验验证抗风性能；Wang等[9]结合预定性能函数、径向基函数神经网络与反步控制约束靠泊跟踪误差并实现指定时间收敛；Han等[10]集成网格搜索、最优控制与鲁棒非线性模型预测控制处理低速舵效退化与控制不确定性；Mwange等[11]采用直接多重打靶法构建带风、速度、执行器与碰撞约束的在线靠泊规划模型；Yuan等[12]开发考虑船舶动力学不确定性的非线性速度障碍法并利用自动识别系统（AIS）数据构建碰撞风险模型；Xin等[13]基于AIS轨迹分布与蒙特卡洛模拟建立概率性多船碰撞风险模型；Wu等[14]进一步利用高斯分布、置信区域与贝叶斯估计表示目标船位置预测不确定性，将船舶位置不确定性纳入避碰路径优化。

在船舶领域的RBRDO研究中，Wei等[15]将多项式混沌展开与最大熵方法结合同时评估响应均值、标准差与失效概率，但主要聚焦水动力船型性能；Shahraki和Noorossana[16]在遗传算法框架内纳入响应变异、可靠性约束与多目标优化，但未将方法扩展到自主靠泊的过程约束。

综上，既有研究从不同角度考虑了不确定性对USV导航、避碰与控制的影响，但鲜有研究专门针对USV靠泊过程中的不确定性影响开展基于可靠性的稳健设计优化，以降低其不利影响并提升规划轨迹的抗扰能力与稳健性。

研究内容与结论

为弥补上述不足，本研究提出一种考虑不确定性影响的USV靠泊轨迹规划RBRDO方法。主要贡献包括：基于三自由度USV运动模型与自主靠泊约束，构建集成视线（LOS）制导、APF局部避碰与滑模控制（SMC）闭环控制的局部靠泊轨迹规划与控制框架；考虑靠泊水域障碍物几何差异，分别建立圆形与矩形障碍物碰撞规避模型，并基于船舶位置不确定性更新APF斥力场；考虑不确定性影响，建立USV靠泊轨迹规划RBRDO模型，利用终端距离均值与标准差构建优化目标函数，并对整个靠泊过程的碰撞风险指数、碰撞失效概率与靠泊状态响应施加约束，采用粒子群优化（PSO）进行USV靠泊轨迹的RBRDO。

在闭环LOS–APF–SMC靠泊框架内，环境偶然不确定性与模型参数认知不确定性被纳入RBRDO框架。终端距离均值与标准差分别用于评估靠泊精度与响应稳健性，终端靠泊失效概率用于评估终端可靠性。通过过程失效概率与碰撞风险的过程约束限制靠泊过程中的避碰风险，实现靠泊精度、稳健性、终端可靠性与全过程避碰安全的协调优化。

关键技术方法

研究人员采用三自由度USV操纵模型描述纵荡速度、横荡速度与艏摇角速度关系。基于预定义全局靠泊参考路径，构建LOS制导、APF局部避碰与SMC闭环控制的局部靠泊轨迹规划框架。针对圆形与矩形静态障碍物分别建立斥力模型，对移动障碍船采用基于贝叶斯融合位置估计的等效动态安全半径更新APF斥力场。不确定性传播采用外层认知采样与内层偶然采样相结合的两层嵌套采样方案，主要不确定性因素经Ferson敏感性分析筛选为风速、风向、流速、流向与艏摇阻尼参数。优化采用PSO结合蒙特卡洛方法，外层与内层样本量均设为100，PSO种群规模与最大迭代次数均设为50。

研究结果

仿真场景1：含两艘移动障碍船的靠泊轨迹优化

场景1包含两艘移动障碍船及相应静态障碍物。三种方案均在圆形与矩形静态障碍物及两艘移动障碍船存在下成功完成避碰与靠泊。RBRDO方案相比Original与DO方案提前响应移动障碍船安全域变化，提前调整航向，整体轨迹更平滑。在控制输入方面，三种方法的控制输入变化主要集中在动态会遇、局部调向与终端靠泊阶段，峰值纵荡推力不超过4×10⁵ N，横荡推力保持在±1×10⁵ N以内，艏摇力矩保持在?0.5×10⁶~1.0×10⁶ N·m范围内。RBRDO方法提前开始减速与调向，将控制量分布在更长时间区间内，状态变化更连续。在碰撞风险方面，Original与DO方法在多个动态会遇阶段呈现较高综合碰撞风险指数，最大值分别为0.55与0.56；RBRDO方法综合碰撞风险指数大部分时间保持在0.20以下，最大值为0.30，较Original与DO方法分别降低45.5%与46.4%，持续高风险状态得到显著抑制。在终端靠泊性能方面，DO方案将平均终端距离从0.514 m降至0.441 m，较Original方案降低14.2%，但标准差从0.104 m增至0.124 m，增加19.2%，终端靠泊失效概率从0.4627降至0.2820，降低39.1%。RBRDO方案平均终端距离为0.311 m，较Original方案降低39.5%；标准差为0.102 m，降低1.9%；终端靠泊失效概率为0.0381，降低91.8%。

仿真场景2：含三艘移动障碍船的靠泊轨迹优化

场景2覆盖更大航行与靠泊区域，目标泊位坐标设为[2000, 1600]，包含五个圆形静态障碍物、两个矩形静态障碍物与三艘移动障碍船。三种方案均在更大航行区域及更多静态障碍物与三艘移动障碍船存在下成功完成避碰与靠泊。RBRDO方案在动态避碰阶段与最终靠泊阶段之间实现更平滑的轨迹过渡。在控制输入方面，峰值纵荡推力保持在4×10⁵ N以下，横荡推力保持在?1×10⁵~2×10⁵ N范围内，艏摇力矩范围为?0.5×10⁶~1.0×10⁶ N·m。Original与DO方法在约2300~2500 s出现集中推力与艏摇力矩调整，RBRDO方法则将减速与转向控制动作分布在多个会遇阶段，位置、速度与航向响应保持连续。在碰撞风险方面，Original方法在约2100~2200 s达到最大综合碰撞风险指数0.62，DO方法在约2450~2550 s达到最大值0.58，且DO方法在约700~1400 s长时间维持在0.42以上。RBRDO方法最大综合碰撞风险指数为0.44，较Original与DO方法分别降低29.0%与24.1%，大部分靠泊过程保持在0.40以下。在终端靠泊性能方面，DO方案将平均终端距离从0.466 m降至0.383 m，较Original方案降低17.8%，但标准差从0.117 m增至0.118 m，增加0.9%，终端靠泊失效概率从0.3698降至0.1326，降低64.1%。RBRDO方案平均终端距离为0.329 m，较Original方案降低29.4%；标准差为0.083 m，降低29.1%；终端靠泊失效概率为0.0486，降低86.9%。

讨论与结论

两个场景的综合结果表明，DO方案虽降低了平均终端距离与终端靠泊失效概率，但标准差在两个场景中均增加，说明仅优化确定性终端距离无法同时保证靠泊精度与响应稳健性。相比之下，RBRDO方案在两个场景中均同时降低了终端距离均值、标准差与终端靠泊失效概率，并通过过程失效概率约束与碰撞风险过程约束确保了整个靠泊过程的避碰安全。RBRDO方案通过提前减速与连续航向调整，有效抑制了动态会遇中的碰撞风险峰值与持续高风险状态，实现了靠泊精度、响应稳健性、终端可靠性与全过程避碰安全的协调优化，验证了所提方法在混合不确定性条件下提升USV靠泊轨迹规划稳健性与可靠性的有效性。