0 引　言

近年来海上运输事业的迅猛发展，使人们对船舶自动导航系统提出了更高要求。船舶自动导航系统能为船舶提供定位、航线和海域环境等重要信息^[1-2]，优良的船舶自动导航系统可以在节约船舶航行时间的同时，有效保证船舶航行的安全性^[3]。但在船舶实际航行时，极容易受到海浪、暴风雨等极端天气和各种障碍物的威胁，导致船舶航行安全面临巨大挑战^[4]。因此设计高精度的复杂环境船舶自动导航系统，提高船舶在复杂环境中的航行效率和安全性甚为关键。

当前针对该内容的研究有很多，例如厉文涛等和陈光武等^[5,6]，分别利用二维激光多普勒测速仪和改进神经网络增强自适应UKF，设计复杂环境舰船自动导航系统。这2种系统均能大幅度缩短舰船航行路径，但在复杂环境中的避障效果不甚理想，且计算代价较高，不满足舰船导航实时性要求。

人工智能技术可以模拟和延伸人的思维，具有表征能力强和学习效果稳定等优势，因此本文设计基于人工智能技术的复杂环境船舶自动导航系统。

1 基于人工智能的复杂环境舰船自动导航系统 1.1 系统总体结构

基于人工智能技术的复杂环境船舶自动导航系统总体结构如图1所示。

1）信息接收模块

该模块包含GPS卫星、RF8000 GPS接收器和纸质海图导入等单元。使用GPS卫星采集当前船舶海上位置信号，并将信号传送给RF8000 GPS接收器，实现船舶高精度定位；同时通过纸质海图导入单元将船舶所在海域地图信息输入到系统中。当前船舶定位信息和海域地图信息均利用数据库进行存储。

2）无线通信模块

该模块由CAN总线和扩展无线网卡两部分组成，用于将数据库中存储的信息传输到电子海图管理模块。

3）电子海图管理模块

该模块依据接收到的船舶定位信息和海域地图信息，通过海图数据加载和纸质海图转换单元，生成供系统使用的电子海图，且该模块还具备电子海图编辑和导出功能。

4）航线设计与航路监视模块

该模块为整个系统的核心，由航线规划、航迹显示以及偏航检测等单元构成。其中航线规划单元将生成的电子海图作为依据，采用基于人工智能技术的复杂环境航线规划方法，实现障碍物多布的复杂环境下的航行最优路径规划。

5）航行管理模块

该模块利用彩色显示屏可将系统运行过程中的全部信息呈现给用户，且用户通过彩色显示屏可设置参数以及导入规划的航线，此外当用户通过彩色显示屏发出自动导航指令时，系统将依据导入的航线指引船舶向前行进。

1.2 系统硬件设计 1.2.1 RF8000 GPS接收器结构设计

该接收器能实现当前舰船海上位置的快速、高精度定位，且该接收器在海浪、极端天气以及信号高度受阻的复杂海上环境中，仍能表现出较理想的定位性能。使用GPS天线接收GPS卫星发出的当前舰船海上位置信号，经过前置低噪声放大器和带通滤波器的放大与滤波处理后，将信号传送到射频采样放大集成电路，经过一系列处理得到相应的数字信号，并将其传输到GPS基带信号处理ASIC模块，该模块依据接收到的数字信号，结合数据存储器和实时时钟震荡器，获得伪距及其变化率等信息^[7-8]。

1.2.2 CAN总线结构设计

以CAN总线的通信协调规则如下：

总线访问：CAN总线选用载波监听多路访问形式。

仲裁：在CAN总线处于空闲状态的条件下，其表现为隐性电平，任意节点均能将一个显性电平传送到CAN总线，若存在1个以上的节点同时传送，则会引起CAN总线冲突现象。

编码/解码：通过位填充方法对仲裁域、数据域以及控制域等进行编码或解码。

为提升复杂环境船舶自动导航系统的通信可靠性，提出如图3CAN总线结构。将系统信息接收模块内数据库中的舰船定位信息和海域地图信息发送至网络上，船舶自动导航显控台通过组合、滤波等形式处理网络上的信息，并将处理后的信息重新发送到网络上，以供挂在网络上的各个节点设备实时共享。当自动导航显控台和每个节点设备均处于正常工作状态时，需要利用总线CANH完成整个系统的信息通信，此时总线CANL保持休眠状态，无需传送信息。2条总线的运行状态可通过网络切换器进行监控^[9-10]，如果仅有总线CANH传送信息，那么网络切换器进入休眠状态，如果2条总线均传送信息，那么网络切换器进入激活状态，完成总线间的通信。

1.3 系统软件设计 1.3.1 纸质海图转换流程

将纸质海图变成电子海图是复杂环境下进行自动导航的关键环节。在纸质海图导入单元，将比例尺范围设定成1∶600000～1∶10000，并以国家权威海图数据作为电子海图的参照。将纸质海图导入复杂环境自动导航系统后，通过图像增强处理导入的海图，以消除纸质海图清晰度和明暗度对转换结果的影响。使用二值细化对完成增强的海图进行处理，以获得栅格海图，并从中提取海域数据，在此基础上实现岛屿、礁石等地物的辨识和标记。利用对照检索将标记后的栅格海图和原栅格海图进行处理，若未出现遗漏的标记，则将栅格海图输出。

1.3.2 基于人工智能技术的复杂环境船舶航线规划

航线设计与航路监视模块，在规划复杂环境船舶航线之前，针对船舶航行环境，做出以下假设：

1）使用一个二维平面区域表示舰船航行环境；

2）在此区域中以随机形式布设若干个危险点，即障碍物，且各障碍物的形状和运动状态不完全一致；

3）在此区域中，将船舶当作一个点。

假设某船航行步长用R描述，将其作为单位分割二维平面区域，便能获得相应的栅格地图。栅格地图上行、列的栅格数计算过程如下式：

$ \left\{ \begin{gathered} {N_x} = {Y_{\max }}/R，\hfill \\ {N_y} = {X_{\max }}/R。\hfill \\ \end{gathered} \right. $

(1)

式中： $ {N_x} $ 代表舰船航行区域的长度值； $ {N_y} $ 代表宽度值。

以避开障碍物和最小化舰船航行路径作为复杂环境舰船航线规划的目标，在复杂环境舰船可航行区域，创建如目标函数如下式：

$ L = \sum\limits_{n = 1}^{N - 1} {S\left( {{f_n},{f_{n + 1}}} \right)}。$

(2)

式中：航线距离为L；次序为n的路径经过的栅格中心点为 $ {f_n} $ ，航路转向点数量为N；该中心点与点 $ {f_{n + 1}} $ 的直线距离为 $ S\left( {{f_n},{f_{n + 1}}} \right) $ ；航路点为 $ {f_1},{f_2},\cdots ,{f_n} $ ，由其构成舰船航线F。求解使L最小的舰船航行路径，即规划的复杂环境舰船最优航线。

使用人工智能技术中性能较好的蚁群算法求解以上目标函数。蚂蚁和航路转向点的总数，分别用m、n描述，i，j分别代表2个航路转向点，则t时刻下，蚂蚁k从i出发，抵达j的概率计算过程如下式：

$ p_{ij}^k = \frac{{\tau _{ij}^\alpha \left( t \right)\eta _{ij}^\beta \left( t \right)}}{{\displaystyle\sum\limits_{j \in {a_k}} {\tau _{ij}^\alpha \left( t \right)\eta _{ij}^\beta \left( t \right)} }}。$

(3)

式中：信息和期望启发式因子分别为 $ \alpha $ ， $ \ \beta $ ；t时刻下，i和j的信息素浓度为 $ {\tau _{ij}}\left( t \right) $ ；启发函数为 $ {\eta _{ij}}\left( t \right) $ ；供蚂蚁k使用的航路转向点为 $ {a_k} $ 。

蚁群算法规划复杂环境最优航过程为：

1）对出发点A(经度 $ {\varphi _A} $ ，纬度 $ {\alpha _A} $ )和目标点B(经度 $ {\varphi _B} $ ，纬度 $ {\alpha _B} $ )进行转换，使其变为栅格地图中相应的位置分别为 $ A\left( {{X_A},{Y_A}} \right) $ 、 $ B\left( {{X_B},{Y_B}} \right) $ ；

2）初始化各蚂蚁种群，利用轮盘赌方法获取下一个邻近且可航行栅格，并计算其与当前栅格间的距离；

3）各蚂蚁依据信息素寻找抵达点B的路径，并将各蚂蚁的路径和路径长度记录下来；

4）更新蚂蚁在路径上释放的信息素，若符合种群数最大值，则停止求解，并输出蚁群的最优路径，即规划的复杂环境最优航线。

2 性能测试与分析

以某船作为实验对象，其航行海域气象多变，且含有多条海洋暗流和大量小型岛屿、暗礁，使用Simulink仿真软件搭建舰船航行海域环境，并利用本文系统实现该船的自动导航。

在船舶航行海域内设置小型岛屿和暗礁共计8个障碍物，使用本文系统对各障碍物进行检测，并采用电子海图形式展示检测结果。

在复杂环境航线规划过程中，不仅要避免碰撞静态碍航物，还要避免碰撞其他航行的船舶。从航行海域选择大小为160 km×180 km的子区域进行仿真分析，对于单船状态的航线规划，设置6个静态障碍物和2个禁航区，分别用三角形和椭圆形表示；对于多船状态的航线规划，设置4艘航行的船舶（三角形）、2个静态障碍物（长方形）和1个禁航区（椭圆形），P点和Q点分别代表船舶起始点与目标点。针对这2种情况的船舶航线规划结果用图2描述。可以看出，在复杂环境条件下，单船状态和多船状态的航线规划结果均能有效避开全部静态障碍物和禁航区；针对多船状态规划的航线，能够与其他航行的船舶保持一定安全距离。此外能明显看出，2种情况下规划的航线总航程较短。表明本文系统具有较优异的复杂环境舰船航线规划效果，且避障能力优良。

依据规划的复杂环境航线进行船舶自动导航，在航线上设置9个导航节点，将其作为目标位置，在航行过程中记录到达每个导航节点的实际位置，并计算其与目标位置的偏差，验证本文系统的复杂环境自动导航精度，结果如表1所示。可知，在航行过程中到达各导航节点的实际位置与目标位置的X向、Y向偏差均保持在0.5%以下，表明利用本文系统的自动导航功能，基本可以引导舰船按照规划的航线行进，从而验证本文系统的复杂环境自动导航效果优势显著。

3 结　语

导航系统是节省航线规划时间和航行时间的有效辅助工具，同时在保证航行安全性方面也发挥着重要作用。本文设计基于人工智能技术的复杂环境船舶自动导航系统，依据转换的电子海图，利用人工智能技术中性能较好的蚁群算法，规划复杂环境最优航线，实现自动导航。经仿真实验分析，该系统转换的电子海图质量较高，并能准确、全面地检测出航行海域中的障碍物，且该系统对静态障碍物和动态障碍物均具有较好的避障能力，还可以引导船舶依照规划的航线行进，自动导航效果优良。