复杂非结构环境下无人船避障决策增强及控制研究

Autonomous obstacle avoidance of unmanned ship is the research focus to ensure the safe navigation and application of unmanned ship. it is mainly faced with two problems: poor adaptability of unstructured environment and delay of execution efficiency, resulting in redundant loss of obstacle avoidance path and control delay. Therefore, the purpose of this project is to enhance obstacle avoidance decision, improve the impact of delay, optimize obstacle avoidance behavior, and consider solving it from the point of view of obstacle avoidance planning and implementation: 1) the probability field distribution of obstacle avoidance space under finite environment information is analyzed, and a local real-time obstacle avoidance method is proposed by using grid cell and geometric situation model, and the improved BLSTM bidirectional recurrent neural network framework is combined for historical state association on-line learning. An enhanced decision scheme to obtain continuous smooth obstacle avoidance path with minimum loss is explored. 2) the mechanism of on-line compensation for input and output delay is studied, the cascaded control method of state compensation trajectory tracking under time delay is explored, and the internal and external cascaded compensation modes of delay extended state observer and dynamic game flexible programming model are designed respectively. The trajectory tracking control is carried out by combining the stochastic approximation model of synchronous disturbance and sliding mode control. 3) the cloud control strategy method to realize the on-line optimal control of unmanned ship obstacle avoidance is explored, which is applied to the autonomous obstacle avoidance operation in unstructured environment. This project provides a new research idea and method for the optimization and on-line regulation of unmanned ship obstacle avoidance path.

无人船自主避障是保障无人船安全航行、实现应用化的研究焦点，主要面临非结构环境的适应性欠佳和执行效率延缓两方面问题，造成避障路径冗余损耗和调控时滞状况出现，因此本申请以增强避障决策和改善时延影响为目标，优化避障行为，考虑从避障规划和执行角度解决1）分析有限环境信息下的避障空间概率场分布，采取网格细胞和几何态势模型提出局部实时避障方法，并融合改进的BLSTM双向递归神经网络框架进行历史状态关联在线学习，探索以最小损耗获取连续平滑避障路径的增强决策方案；2）研究在线补偿输入和输出时滞机理，探索时延下的状态补偿轨迹跟踪级联控制方法，分别设计时延扩张状态观测器和动态博弈柔性规划模型的内外层级联补偿模式，并结合同步扰动随机逼近模型和滑模控制进行轨迹跟踪调控；3）探索实现无人船避障在线优化调控的云控制策略方法，应用于非结构环境下的自主避障运行。本申请为无人船避障路径择优和在线调控提供新的研究思路和方法。

以无人船自主航行中的避障避碰研究为焦点，解决无人船工程应用中须克服的空间环境适应性和在线实时效率两个方面问题，进行决策-控制-运行的闭环航行研究，主要分为6个分研究要点：1）在非结构环境下，借鉴仿生学的网格细胞导航机理，使用网格单元激活模型，结合面向目标的概率模型设计了动态正损失率期望评价函数，进行局部实时避障规划，达到降低模型复杂度和减少空间执行维度的效果；2）进一步针对局部感知环境受限情况下，提出模拟场模型的避碰规划方案，基于虚拟空间电场和速度场，并结合改进类电磁机制算法的规划算法，生成最优的避碰策略，拓宽了研究的维度，且平衡了效率和精度问题；3）为解决无人船不同避碰态势问题，提出优化速度障碍模型和动态领域结合的局部实时避碰规划，通过不同会遇场景测试，可实现开阔水域的多船避碰以及各自紧急局面的处理；4）将上述局部避障避碰策略作为历史训练数据，考虑历史关联状态影响，使用CNN和LSTM网络模型结合提取碰撞避让的潜在影响特征和历史策略的关联性，并运用迁移学习模式重新训练，进行在线更新迭代，在不同布局测试下，得到较好的结果，摆脱离线训练的局限性，采用在线滚动优化，保证决策的实时性；5）综合考虑决策执行控制时系统非线性、不确定性、时滞性等因素约束，构建新型时延扩张观测器，融合同步扰动随机逼近理论，补偿时延对系统控制性能的不利影响，可快速逼近预期目标，很好地减弱时延对其系统的干扰，使其贴近实时的系统状态；6）搭建船模云控制运行平台，通过运动参数辨识和平台系统组建，完成硬件配置，进行路径跟踪和避障测试，对于无人船的应用实践起到指导意义。通过上述研究模块，改善空间和时间两个维度优化避障航行，探索无人船从局部感知到自主认知的学习过程，强化航行环境适应性，提升无人船自主实时避障能力，为无人船的自主智能化提供理论支持和技术借鉴，亦为实现低复杂度、高效率的自主避障航行方案提供技术引导和支持。