事件域轨迹预测、自适应与重规划框架：面向间歇通信下无人水面艇编队控制

《Journal of Marine Science and Engineering》：Event-Domain Trajectory Prediction, Adaptation, and Replanning for USV Formations Under Intermittent Communication

　　

摘要专业翻译 事件触发通信减少了无人水面艇（USV）编队中不必要的传输，但遗留了两个相互关联的轨迹层面问题。在领导者状态数据包之间的间隔内，跟随者侧必须维持对领导者轨迹的预测；当新的数据包到达后，当前参考轨迹与更新后的参考轨迹可能无法衔接。本研究提出一个事件域预测–自适应–重规划框架以同时解决上述两个问题。在理想链路条件下，领导者侧与跟随者侧同步的事件域状态–残差物理信息神经网络（PINN）轨迹预测器，基于相同的事件历史与在线校正状态，生成一致的有限时域领导者轨迹预测。事件同步残差自适应在每个事件处更新一个低维在线校正状态，以降低局部预测失配。在每次有效参考更新时，参考轨迹重规划采用五次连接（quintic connection）将当前参考轨迹与更新后的参考轨迹衔接起来。在多随机种子圆轨迹（Circle）与S弯（S-bend）任务中，冻结的状态–残差PINN预测器相比标称动力学推演降低了短时域预测误差，而残差自适应预测器进一步降低了该误差。相较于直接替换（Direct replacement），五次连接在100次任务中将归一化总控制变化量的均值降低了69.70%。

论文解读

一、研究背景与问题提出

无人水面艇（USV）及自主水面艇（ASV）在海洋巡检、环境监测、水文测量、目标搜索和海上安保等领域具有广泛应用价值，能够降低人员风险并提升危险水面任务的作业效率。相较于单艇作业，USV编队可覆盖更大作业面积并更高效地完成任务。然而，编队协同作业与避碰要求各艇在航行过程中保持编队几何构型并维持艇间通信。在恶劣海况下，传感器噪声与通信约束会破坏这种信息交换，使得受限条件下的USV编队通信与控制仍是开放性问题。

领导者–跟随者结构是协调USV编队的常用方案：领导者提供全局运动趋势，各跟随者基于领导者信息构建局部参考轨迹并维持预设编队几何。在理想连续通信条件下，跟随者可持续获取最新领导者状态并及时更新期望状态。然而，海上通信链路受带宽、能耗、时延、可靠性和硬件资源等多重约束，领导者信息往往无法连续、完整地传输。事件触发通信通过在预设更新条件满足时才传输新的领导者状态数据包，而非在每个采样时刻传输，从而减少不必要的信息交换。已有研究涉及触发条件设计、事件间隔分析与事件间状态估计，但仅靠状态层面的通信与估计不足以生成跟随者跟踪控制器所需的参考轨迹，还需解决两个相互关联的轨迹层面问题：在状态数据包之间维持领导者轨迹预测，以及在更新后将当前参考轨迹与更新后的参考轨迹平滑衔接。

在事件间维持领导者轨迹预测方面，观测器与基于模型的预测器受未建模机动、环境载荷、测量噪声和模型简化等因素影响；纯数据驱动模型未显式施加船舶运动学与动力学约束，预测结果可能缺乏物理一致性，且在训练数据覆盖不足的工况下性能退化。物理信息神经网络（PINN）将已知物理关系融入数据驱动模型，已有研究将其用于USV平面动力学预测和有限时域运动预测，但未直接处理本文所考虑的事件域轨迹预测任务。在局部预测失配校正方面，已有策略包括更新完整学习模型或在线调整少量低维参数，但事件触发通信仅在离散传输事件提供新的带噪领导者状态数据包，稀疏事件数据难以支撑复杂模型的连续在线更新。在参考轨迹更新衔接方面，直接替换当前参考轨迹会在参考位置和航向上产生突变，进而引起跟随者控制输入的瞬态变化，已有事件触发MPC研究分别处理给定参考下的轨迹跟踪和面向指定目标的轨迹规划，而非本文所考虑的当前与更新参考轨迹之间的短时衔接问题。

二、研究内容与主要结论

针对上述问题，研究人员提出一个面向欠驱动三自由度（3-DOF）USV编队（含1个领导者与2个跟随者）的事件域预测–自适应–重规划框架。该框架包含三个核心模块：事件域状态–残差PINN轨迹预测器负责事件间预测，事件同步残差自适应负责局部预测校正，参考轨迹重规划通过五次连接实现参考轨迹衔接。在理想链路条件下，领导者侧与跟随者侧的同步预测器具有相同结构与更新规则，生成一致的预测结果。领导者侧预测器评估触发条件，各跟随者侧预测器利用本地接收的事件历史与在线校正状态进行领导者轨迹预测，随后通过领导者–跟随者参考映射将处理后的领导者侧参考轨迹转换为两条跟随者参考轨迹。

仿真研究在测量噪声、艇体参数变化和空间变化扰动条件下评估该框架。两种代表性扰动区域穿越场景展示了各阶段在闭环中的运行方式。多随机种子评估集包含50次圆轨迹任务和50次S弯任务，评估了短时域预测性能、所有参考更新处的事件时刻控制输入变化以及连续闭环执行表现。结果表明，冻结的状态–残差PINN预测器相比标称动力学推演降低了短时域预测误差，残差自适应预测器进一步降低了该误差；相较于直接替换，五次连接在100次任务中将归一化总控制变化量的均值降低了69.70%。

三、关键技术与方法

研究人员采用的主要关键技术方法包括以下方面。其一，事件域状态–残差PINN轨迹预测器：辅助状态校正网络（PINN-X）构建锚定于最新事件状态的辅助状态轨迹，广义残差估计网络（PINN-D）沿该轨迹估计标称模型未涵盖的广义力与力矩，将校正项加入3-DOF动力学后进行数值积分（动力学推演）得到最终预测。其二，事件同步残差自适应：在每个事件处利用力平衡校正估计与端点误差反馈更新低维在线校正状态，保持PINN参数冻结，更新后的状态用于校正下一事件间隔内的局部预测失配。其三，参考轨迹重规划：采用五次多项式加权连接，在公共时间轴上按点连接当前与更新后的参考轨迹，连接持续时间内平滑过渡位置与航向，避免直接替换造成的控制输入突变。其四，预测误差触发通信：领导者监测实测与预测位置之差，达到预设阈值且满足最小/最大事件间隔约束时发送新状态数据包。训练数据来源于完整领导者轨迹中提取的事件窗口，训练集与验证集按完整轨迹划分。

四、研究结果

事件域状态–残差PINN轨迹预测器。 通过将PINN-X构建的辅助状态轨迹作为PINN-D的输入，由PINN-D估计标称模型遗漏的广义力与力矩，再将校正项加入3-DOF动力学进行RK4数值积分得到最终预测。训练目标包含轨迹监督项、离散物理一致性项（状态转移缺陷与运动学缺陷）、残差幅度正则化与残差时间变化正则化。多随机种子评估表明，冻结的预测器相比标称动力学推演降低了短时域预测误差。

事件同步残差自适应。 在每个事件处，将端点误差反馈（基于位置、航向、速度与偏航角速度误差的加速度校正）与力平衡校正估计（基于相邻事件状态重构的区间平均广义扰动）加权融合，经线性拟合得到校正目标及其变化率，再通过带增益的更新规则与投影约束生成候选校正状态，经有限时域推演与残差饱和检查后提交或延迟验证。结果表明，残差自适应预测器相比冻结预测器进一步降低了短时域预测误差。

参考轨迹重规划。 采用五次多项式加权函数在公共时间轴上连接当前与更新后的参考轨迹，加权函数在端点处满足零值、零一阶导与零二阶导条件，避免引入额外速度与加速度项。位置与航向分别按加权方式连接，航向经角度周期处理与解卷绕获得连续角差。结果表明，相较于直接替换，五次连接将归一化总控制变化量的均值降低了69.70%。

预测误差触发通信。 领导者监测实测与预测位置之差，达到阈值且满足最小事件间隔后发送新数据包；若阈值未达到，则在最大事件间隔处强制发送。该机制在保证通信约束的同时提供间歇性领导者状态更新，事件间隔被限制在预设上下界之间。

非理想信道评估。 研究人员在时延、丢包和接收端同步等非理想接收条件下评估了框架性能，各接收端基于本地实际接收的数据包更新事件历史与在线校正状态。

五、讨论与结论

讨论部分指出，事件触发通信在减少不必要传输的同时，必须在事件间维持可用的领导者轨迹预测，并在每次更新后平滑衔接参考轨迹。所提出的框架将预测、自适应与重规划三个环节统一在事件域框架内：冻结的PINN预测器提供基线预测能力，事件同步残差自适应以低维在线校正状态弥补局部预测失配，五次连接以有限时长平滑过渡避免参考突变引起的控制瞬态。仿真结果表明该框架在测量噪声、参数变化与空间变化扰动条件下均能有效运行，显著降低了参考更新引起的控制输入变化。

研究结论可概括为：事件域状态–残差PINN轨迹预测器能够在事件触发通信条件下生成有效的有限时域领导者轨迹预测；事件同步残差自适应利用稀疏事件数据有效校正局部预测失配；参考轨迹重规划通过五次连接显著降低了参考更新引起的控制输入突变。该框架为间歇通信条件下USV编队的轨迹预测与参考管理提供了一套完整的解决方案。