0 引　言

无人船以其自身所具备的智能化、模块化等优点，在海洋及军事领域中得到越来越广泛应用。为了能够使无人船安全抵达目标地点，需要对其行驶路径进行合理规划，规划过程中，可以采用人工势场法，因该方法存在缺陷，因此对人工势场法进行模糊改进，以满足无人船路径规划需要^[1-3]。

1 无人船路径规划 1.1 无人船的特点

与常规船舶相比，无人船具有智能化程度高、适应性强、尺寸小、灵活等特点。因不需要人员驾驶，所以能够将无人船派遣到恶劣或是危险的区域内完成任务。无人船采用自动驾驶技术，要使其在复杂的海洋环境中安全、稳定的自主航行，需对无人船的航线进行合理规划^[4-6]。

1.2 路径规划

在某个特定的空间环境中，按照制约条件，找到从起始点到达目标点的无碰撞路径，这个过程即路径规划。通过路径规划能够为无人船导航提供参考依据，可将路径规划细分为全局路径规划、局部路径规划。前者是指无人船处于未知环境时，利用传感装置获取障碍物信息，通过信息分析处理后，改变当前的路径，避开障碍物，使无人船能够安全抵达目的地。这种规划方法，其突出的特点是实时性强，但规划过程受信息的影响比较大，很容易陷入局部最优解^[7,8]。而后者是在获取环境信息的基础上构建模型，从中找出最佳路径.该方法对全局环境信息的依赖程度较高，无法处理突发状况，如突然出现的未知障碍物。

2 人工势场法的改进方法 2.1 人工势场法

人工势场法（artifical potential field，APF），是局部路径规划中的最为常用的方法之一。APF的基本思想是将研究对象在环境中的运动设计为抽象的引力场，使目标点对研究对象产生引力，障碍物对研究对象产生排斥力，进而能够控制对象进行移动。

2.2 人工势场法的不足

局部最小陷阱。在全局人工势场分析中，存在着最低点局部势能，当基于人工势场法规划的无人船航行到最低局部势能区域后，很难自动跳出该区域，造成全局路径规划失效。通过对势场函数关系式的分析可知，无人船向目标点航行中，与目标点越远，其产生的障碍物斥力合力就越接近于无人船的引力大小，使无人船处于0合力状态，失去对无人船运动方向的控制。在此情况下，无人船会停留在此处，保持振荡状态，错误执行已经到达目标点的指令信息。

目标点附近徘徊。无人船在接近路径规划的目标点后，其引力和斥力应等于0，达到势场理论最小值，如果目标点受到障碍物影响，则会使无人船处于障碍物斥力场内，提高障碍物的斥力势场，使目标点不再是理论上的势场最小值，导致无人船无法到达目标点。在这种情况下，无人船会将最小势能区域作为目标点，停在该点位振荡，陷入到局部最小陷阱。当无人船与目标点之间的距离不断缩小时，无人船所受到的引力作用也会随之减小，与此同时障碍物产生的斥力作用会随之增大。当相对距离缩小到一定范围内时，无人船承受的斥力会超过引力，受斥力作用无人船远离目标点，与原本路径规划呈反方向航行，待航行到一定距离后便会处于徘徊状态，永远不会到达路径规划的目标点。

路径规划未达到优化。人工势场法不适用于狭窄通道的路径规划，当障碍物处于狭窄通道上时，会产生斥力势场，提高周围总势场值。如果存在多个障碍物，且障碍物的距离较小时，无人船会从较低的外部势能绕行，很难获取到达目标点的最优路径。同时，在规划狭窄通道的路径时，因通道内部的势场值存在较大偏差，影响无人船的航行路径判断，所以会造成无人船在航行中出现来回摆动的情况。

动态避障功能弱化。基于人工势场法的无人船路径规划增加了检测功能，能够每间隔一定时间检测一次路径航行状态。在静态航行状态下，路径规划检测系统能够达到良好的避障效果。但是，在动态航行状态下，如存在障碍物的复杂环境下，由于路径规划检测系统未能考虑到无人船与障碍物的相对速度信息，所以会导致无人船接近障碍物，当无人船受到斥力势场作用后，必然促使无人船产生障碍物排斥力。在原有路径规划下，无人船很难获得动态避障决策信息，或者很难在短时间内执行避让行动，进而导致无人船碰撞事故发生。

2.3 改进方法

通过模糊改进的方法，优化势场函数，防止计算过程中局部最小陷阱的出现。针对该情况，可在研究对象与目标点的距离信息中引入斥力势场函数，从而使目标点变成整个路径中势能最低的点。同时，在构建斥力势场时，引入相对速度，以此来规避动态的障碍物。具体的改进方法与过程如下：

在现有的基础上，进一步提升研究对象在动态环境中对目标点的追踪效率，缩短追踪时间，以引力势场为基础，改进势场函数，并在充分考虑相对速度的条件下，对速度信息加以引入，构建起全新的引力场。引力势场函数为：

$ {U}_{{att}}({V})=\frac{1}{2} {K}_{{vat}}\left\|{V}-{V}_{{g}}\right\|^{2} 。$

式中：K_vat为引力正比例速度增益系数；||V−V_g||为研究对象相对于目标点的速度。按改进后的势场函数，可得到梯度叠加中的引力，这部分引力为人工引力。对改进后的研究对象进行受力分析发现，引力始终存在于全局环境中，对研究对象的运动过程进行指导，相对速度的加入，使研究对象的速度与目标的速度达到一致。

对于人工斥力势场而言，可将之细分为：1）在相对位移上的映射为负，该情况下，研究对象与障碍物之间的相对位移逐步变化，说明研究对象与障碍物的距离越来越远，也可以变相理解为研究对象与障碍物之间的距离超过障碍物的影响范围，在这种情况下，障碍物将不会对研究对象产生斥力，也不会影响研究对象的运动状态；2）障碍物对研究对象的运动过程产生一定的影响，研究对象与障碍物之间的距离在障碍物影响距离以内，超出研究对象最大制动距离，在该情况下，将研究对象作为参照物，障碍物对于参照物处于移动状态，随着不断移动，障碍物与研究对象的距离逐步拉近，通过改进后的斥力对研究对象的运动方向加以调整；3）障碍物与研究对象的距离达到最大制动距离，并且研究对象相对于障碍物做运动，若是不改变运动方向，研究对象将会与障碍物发生碰撞。

因路径中存在多个障碍物，所以要对各个障碍物的斥力进行计算，然后对斥力进行整合后，求出该路径中所有障碍物的合力。当障碍物为离散分布时，研究对象所受的斥力呈现为分散状态，并且斥力的方向不同，由于障碍物过于分散，很容易使研究对象陷入局部稳定问题，不仅如此，计算量也会随之增加，影响了系统的反应速度。对此，可以采用连接固定的方法，即将路径中的所有障碍物连接固定到一起，使原本离散的障碍物形成整体，然后通过预处理的方法，找出有利用价值的环境信息，对地图进行优化，这样能够简化系统对斥力的计算量，障碍物的影响显著降低，陷入局部最小陷阱的几率随之减小。运用连接固定算法处理问题时，要检测障碍物，并计算势场，经处理后，离散的障碍物被融合到一起，算法的效率显著提升。

2.4 实验验证

应用Matlab平台开展仿真实验，研究对象选择无人船，分别在平面上设置目标点和障碍物（包括静态与动态），为障碍物设定运动轨迹及速度。不同参数下的路径规划的仿真结果如图1所示。

可以看出，无人船在经过改进后的人工势场法下，有效规避了障碍物，最终顺利到达目标点。

3 基于模糊改进人工势场法的无人船路径规划 3.1 建立无人船模型

本次研究的无人船为喷水推进式，在推进器上，装有转向和倒航装置，它们能够改变水流的喷出方向，使无人船改变航向。之所以选择喷水推进式的无人船，主要是因为其航向与航速之间存在高度耦合性，推进方式能约束无人船的横向倾斜角度，可为运动模型的构建提供约束条件。运用模糊改进后的人工势场法，对无人船进行路径规划时，可将无人船喷水推进器的推力大小与角度相对应，后续的工作重点是对无人船的运动控制特性及航线跟踪要求进行约束优化。图2为无人船喷水推进器的不同推进力矩变化曲线。图中A/B/C代表推进力矩由弱变强。

当无人船在安全性约束的条件下运动时，如果航行速度比较快，则无人船会产生出较大的倾斜幅度，此时要对无人船的喷水角度加以限制，以免发生横向倾覆。无人船在喷水推进的过程中，会产生出较大的力矩，推进器的喷水角度会随之减小，外倾角将会进一步增大，这样很容易引起倾覆。

3.2 路径规划系统

在无人船路径规划的过程中，引入层次化结构，对路径规划系统进行设计开发，第一层为全局路径，第二层为局部避障路径。在该系统中，如果全局环境改变，则必须对无人船的路径重新规划，而局部环境改变时，只需要校正误差，调整局部避障路径即可。

3.3 系统仿真

选择某海域作为仿真环境的地区，跨度为200 n mile，航线上的主要障碍物为岛礁（已知的静态障碍物），还有部分暗礁和其他船舶。本次任务中，目标点初始处于静置状态，随着无人船逐步接近目标点位，目标点逃离了原点位，逃离的速度设定为20 kn，在逃离的过程中，向无人船发射鱼雷，速度为40 kn，模拟仿真的重点是演示无人船的避障效果。不同避障系数下全局规划的无人船路径曲线如图3所示。

图4为模糊改进人工势场法与全局路径规划结合的结果。可以看出，无人船执行任务的过程中，先后遇到静态及动态的障碍物，为顺利抵达目标点，无人船修改了预先规划好的路径。当无人船行驶至B处时，传感器探测到该处存在暗礁，此时由系统中的第二层，即局部路径规划，对无人船的行驶进行指导，当误差超过阈值时，会进行信息反馈。在全局规划的路径中，目标点为C，可据此对上一层路径加以修正，确保无人船能够顺利抵达目标点。当无人船行驶至D点时，通过传感器采集到的信息得知前方出现风暴天气，为避免恶劣天气对无人船的航行造成不利影响，系统按照从上向下的顺序，对路径重新规划，经过计算得到一个新的转折点。无人船避障传感器探测信号随时间变化曲线如图5所示，人工势场算法开启和关闭的路径规划曲线图如图6所示。

当无人船到达终点处后，进入目标点范围，此时目标点开始逃离，并向无人船发射鱼雷。局部路径规划系统针对鱼雷进行避障，并对移动的目标点进行追踪，最终完成任务。在本次系统仿真过程中，将无人船最大航速设定为40 kn，无人船的最大横倾角限制为20°，推进角限制为30°，超出后无人船会在降低航速的同时，减小转弯半径。在转折点A处时，无人船的航速降至30 kn，在转折点B和C时，航速降至25 kn。仿真中的总里程约为210 n mile，完成任务用时6 h左右，通过计算得出无人船的平均航速为35 kn，在设定的范围内。

4 结　语

针对人工势场法存在的缺陷，可以采用势场函数进行模糊改进，经过改进后的人工势场法，弥补了局部最小陷阱问题。通过系统仿真，验证了改进后的方法具有良好的可行性，能够满足无人船路径规划需要。