近年来,智能交通行业发展迅速,以智能网联汽车为代表的陆上智能交通系统已初步进入实用阶段。2018年12月14日,中国首个无人驾驶商业示范运营项目武汉龙灵山智能微循环无人驾驶小巴正式对公众开放,可实现L4级自动驾驶(完全自动驾驶)。2022年8月1日,国内首部关于智能网联汽车管理的法规《深圳经济特区智能网联汽车管理条例》正式实施,无人驾驶可在深圳市公安机关交通管理部门划定的区域、路段行驶[1]。
相对于无人汽车,智能船舶的发展较为滞后,水上交通因载运工具运动特性复杂,通信导航等系统薄弱,无人航行的深入研究和发展面临诸多挑战。由于智能船舶技术发展前景广阔,目前世界各国、船级社及设备商正加紧相关研发。2015年9月,英国劳氏船级社、奎纳蒂克集团和南安普敦大学在《全球海洋技术趋势2030》中把智能船舶列为未来18大关键海洋技术之一。日本已将智能船舶研发列入未来5年船舶工业发展的重点。中国船级社2015年发布了《智能船舶规范》,并在2020年形成了相对完整框架、功能及技术要求。但目前仍有很多问题亟待解决,现有技术与实现船舶完全自主无人驾驶功能还有不小距离[2]。现有智能船舶研究主要注重于提高船端的自主能力。Peeters等[3]在无人内河货船的研究中提出要提高其自动化程度,也有学者指出无人船最重要的部分为船端控制系统和感知、导航设备[4]。但考虑到船端硬件存在体积、功耗等限制,难以拥有充分的计算能力,Rødseth 等[5]提出了船舶自主航行结合岸基控制中心的概念。实际上,2006年以来国际海事组织就提出了“E-航海”概念,希望通过深度融合船端航行系统和岸基支持服务,使未来航行更加可靠和用户友好[6]。船岸协同由岸端与船端系统构成,是实现智能船舶实际运营的应用基础,是智能船舶发展中一个非常重要的理念[7]。船岸一体化系统的应用为智能船舶所需信息交互提供了技术保障,使得智能船舶的设备运行维护、货物状态监控、自动驾驶辅助决策等功能得以实现[8]。Veitch等[9]指出在船端控制中加入岸基协同控制可作为船端智能系统的有效补充,有利于发挥人在陌生情境中整合信息的能力。繁忙水域中已有利用船舶现代导航信息系统自动识别系统(AIS)信息[10]、数字选择性呼叫(DSC)技术等进行点对点引导,实现船舶避碰导引。因此,通过航标标识航路,船岸标一体化协同控制可高效引导船舶在安全航路上自主航行,有效节省人力资源、提高船舶运行效率、降低风险。这是未来航运系统智能船舶的重要发展方向。
为此,本文提出并实现一种光电信号导引的岸标一体水面航行器自主航行控制实验系统,可用于模拟和验证船岸标一体化的航行协同控制。系统通过红外光电门来标示航行器的目标航路,船载端利用红外传感器接收光电信号及其方位,使用STM32微控制器编程实现对航行器的控制,自主航行的核心考虑船舶操纵性能规划航路并精确控制船舶循迹航行,为未来新一代航运系统中船舶智能航行和控制提供有益参考。
1 系统架构设计实验系统主要由航路标识模块、船载感知载荷模块以及航行器控制模块等部分组成。3个部分的相互关系为:航路标识模块提供引导,航行器船端载荷感知引导并通过控制系统实现航行的自主控制。系统功能模块的相互关系,如图1所示。
船舶智能航行,特别是船岸标一体下的系统控制的智能航行,需利用各种信号源对航路进行标识,引导船舶安全、高效航行。可单独或综合使用红外、超声波等信号源,布设在航道的航标上,各信号源根据航路编号,构成数字航路环境。一旦信号源发出信号,船载传感器接收后,即可通过船舶的控制系统规划航路、计算航向等信息,从而起到引导船舶航行的作用。为了避免信号干扰和冲突,仅开启当前距离航行器最近的信号源,待船舶安全通过开启下一标识处的信号源,实现航路的动态标识。
1.2 船端感知载荷模块船载传感器接收到航标上发送的航路标识信号,将模拟量转换为数字量,实现对船舶航路的感知和数字航路环境构建。传感器种类需和航路标识匹配,功率大小需与船舶电源相适应。一般来说,精度越高的传感器对航行状态的感知越准确,但也要避免过高灵敏度导致控制过调引起船舶抖动等问题,需设计有效的控制策略和算法。
1.3 航行器及其控制模块为了尽可能符合实际航行场景,航行器采用典型船舶的缩尺模型,以匹配实验系统中的航路宽度。航模可用3D打印或手工制作,并配备电源、电动机、螺旋桨、舵机。运用船舶操纵模型和船体水动力模型,综合考虑环境等的影响,对试操船的模拟和计算,分析船舶机动的状态和参数,匹配航路并优化传感器的设计和布置。航行器的控制系统相当于人的大脑,需处理航标信号,形成电子航路,根据船舶操纵运动特性规划航路,并最终实现船舶循迹航行。控制硬件方面,选用STM32系列微控制器。这种微控制器具有能耗低、可靠性高、抗干扰能力强,编程方便,功能强大、可重复使用等优点[10]。
2 系统实现 2.1 航路标识模块为了方便调试和测试,本实验系统建立在一个小型水池中。水池面积为25 m×25 m,深度约1 m。依据仿真计算确定的航行器回转性能在预定航路设置若干红外光电门,顺序标识总长约70 m的航路。在信号源方面,光电门上端正中按航路方向布置红外引导信号。光电门依次点亮,向航行器发射引导信号,待航行器通过后关闭,并点亮下一光电门发射信号。
2.2 船端感知载荷模块船端使用与航路模块光电门的信号源相匹配的红外信号接收器,通过校准,分若干等分均匀布置传感器圆盘,如六等分圆盘。除六点钟方向(正后方)外的其他5个方位各布置一个红外信号接收器。将红外信号这一模拟量转化为输入的数字信号。若接收到红外信号则输出低电平,若没有接收到则输出高电平。将红外接收器连接到控制芯片上,实现对红外光电门状态的感知。根据航行器操纵性能,仿真预报试操船轨迹,精确计算航模操舵控制时间,以提升转向控制精度。
2.3 航行器及其控制模块 2.3.1 控制原理航路的感知是通过红外信号接收器接收的红外信号实现。一旦传感器接收到信号即可转化为数字信号输入控制器的IO口,实现对光电门方向的感知。在运动控制上,综合考虑航模航速和转弯半径,并根据转弯半径大小适当降低航速。
软件部分主要分为2个部分,分别是硬件的初始化程序和运动控制程序。硬件初始化程序用于配置端口和时钟,初始化各个硬件。运动控制及程序主要调用NVIC外设实现中断控制,在不同红外接收器接收到信号时,通过当前航向和目标航向的偏差量进行控制,转动舵机到指定舵角,保持或降低主机转速,实现对航模运动的精确控制。
为了实现控制闭环,本文采用比例-积分-微分(PID)控制。PID控制是一种技术成熟、使用广泛的控制方法。通过反馈来对偏差进行比例、积分和微分的运算,PID可以优化控制系统的校正性和速度,具有收敛速度快、稳定性好、实现简单等优点。本实验系统中航向偏差为输入量,舵角为控制量,由于量都是随时间变化连续的,连续型的PID控制规律可以表示为对误差,即航向偏差的比例、积分和微分的线性组合。
$ u(t) = K_p\left[e(t)+\frac{1}{T_i}\int^t_0 e(\tau){\mathrm{d}}\tau+T_d\frac{e(t)}{{\mathrm{d}}t}\right],$ | (1) |
式中:Kpe(t)为比例控制项;Kp为比例系数;
对式(1)进行离散化,可以得到离散型的PID控制规律:
$ u(k)=K_p e(k)+K_i\sum^k_{i=0}e(i)+K_d[e(k)-e(k-1)] 。$ | (2) |
式中:T为采样周期;k为采样序号。
为了减少计算误差对控制量计算的影响,在本实验系统采用增量式PID控制,这种算法不需要做累加,控制量增量的确定仅与最近几次偏差采样值有关。对式(2)进行增量化,可以得到增量式PID控制规律,如下式:
$ \begin{split}\Delta u(k)=&K_p[e(k)-e(k-1)]+K_i e(k)+\\ &K_d[e(k)-2e(k-1)+e(k-2)]。\end{split} $ | (3) |
本实验系统测试的航行器为等比例缩小的船模(图2),尺寸大小为399.2 mm×110.8 mm×51.6 mm。通过Solidworks软件建立船体几何模型后,采用光敏树脂材质3D打印而成。安装单桨单舵,使之尽可能符合实际。
根据日本MMG(Maneuvering Modeling Group)操纵运动模型[11],假定船舶在无限深广水域中航行,船体视为刚体,自由液面为静水面,忽略螺旋桨产生的横向力和横向力矩和船舶摇荡的影响,船舶在水平面的运动方程可写为:
$ \left\{ \begin{gathered} (m + {m_x})\mathop u\limits^. - (m + {m_y})vr = {X_H} + {X_P} + {X_R},\\ (m + {m_y})\mathop u\limits^. + (m + {m_x})ur = {Y_H} + {Y_R} ,\\ ({I_z} + {J_{zz}})\mathop r\limits^. = {N_H} + {N_R},\\ 2{\text{π}} {I_{pp}}\mathop n\limits^ \cdot = {Q_P} + {Q_E} + {Q_f} 。\qquad\qquad\qquad \end{gathered} \right. $ | (4) |
式中:
上述模型可计算出各类航模在不同舵角下的操纵运动的轨迹,如回转等,为航路规划提供依据和参考。
2.3.4 控制参数整定在PID控制参数中,Kp,Ki,Kd分别为比例、积分、微分系数。其中,比例调节作用按比例反应系统的偏差,系统一旦出现了偏差,比例调节立即产生调节作用用以减少偏差;过大的比例作用会使系统的稳定性下降。积分调节作用使系统消除稳态误差,提高无差度,只要系统有误差存在,积分调节就进行,积分控制器就不断地积累,输出控制量,直至无差;积分作用太强会使系统超调加大,甚至使系统出现振荡;同时,加入积分调节可使系统稳定性下降,动态响应变慢。微分控制可以减小超调量,克服振荡,使系统的稳定性提高,同时加快系统的动态响应速度;减小调整时间,从而改善系统的动态性能。
船舶在标识航路上自主航行的关键是能够实现不同转向点上的航模精确操舵控制,控制参数对控制精度有很大影响。根据前述船舶运动数学模型,通过试凑法整定参数。3个系数Kp,Ki,Kd初始值均为0。首先确定比例系数Kp。当Kp较小时,航模无法跟随预定航线,Kp较大时,震荡明显,超调量较大。最终确定Kp为1.3。考虑到系统误差和实际实验中存在的随机干扰,将Ki确定为0.1,从而消除系统在干扰下的稳态误差。由于积分环节降低了系统的稳定性,最后增加Kd的值为0.3,从而可以减少振荡次数和超调量,提高系统稳定性。
2.3.5 硬件选型硬件系统总体设计如图3所示。本系统采用STM32F103C8T6 作为主控芯片,并配备相应的外围设备和电路完成红外信号接收、航行器显示输入和操纵控制等功能。具体有以下部分组成:STM32微控制器最小系统、红外信号接收器模块(船端感知)、OLED显示模块、伺服舵机、电源、电机等。
1)STM32微控制器最小系统
STM32F103为意法半导体ST公司研发的一款采用Cortex-M3内核,CPU最高速度达72 MHz。该系列MCU具有16KB--1MB Flash、多种控制外设、USB全速接口和CAN。STM32单片机可接各类传感器,实现多种功能。STM32F103C8T6 最小系统包括了外部晶振模块、复位电路模块、J-link连接模块、供电指示模块等部分。
2)伺服舵机
通过STM32的TIM和GPIO外设输出PWM信号驱动舵机,从而控制航行器的舵角及航向。
3)OLED显示模块
选择四脚OLED显示模块,实现程序运行状态的可视化,便于调试。
4)电源与电机
使用有刷直流电机并配备4节五号电池供电,电池输出的电流分为2路:一路通过LM2596S可调降压模块将电压降为额定值3.3 V,输入控制器;另一路保持6 V,直接连接至TB6612电机驱动芯片驱动电机。
2.3.6 软件设计核心控制系统依赖的核心外设是通用输入输出(GPIO)外设和外部中断控制器(EXTI)外设。程序开始运行后,首先对 STM32微控制器及所使用的各个外设进行初始化,初始化主要包括配置时钟和端口,初始化红外接收器、PWM输出、伺服舵机、OLED 显示、系统复位按键等硬件,以及对相应的变量等进行定义;系统完成相关的初始化及配置后,在工作状态下,红外接收器开始检测航标发射的红外信号,通过均值滤波的方式得到下一个光电门与航模航向角之间的偏差作为输入量,控制舵机输出,转动到对应角度,从而实现对航行器的运动控制。航模通过一个光电门的流程如图4所示。
根据航模的具体参数采用MMG动力模型计算,预测不同舵角和螺旋桨转速下的船舶操纵运动轨迹,图5为设计航速下不同舵角下船舶转向90°的轨迹曲线。
在实验水池中配置10个红外光电门,具体排布如图6所示,航路总长度约70 m,控制光电门的依次点亮和关闭。船模基于船舶操纵运动预报结果,规划出最优的航路,确保船舶安全转向高效通过光电门。
本实验系统为船岸标一体智能航行系统,为船舶自主航行服务。实验中航路标识模块发射红外信号,可清晰标识航路,较好地引导航模。当航行器以一定角度接近光电门时,通过控制航向和航速,保证航行器正常通过光电门。
主机转速分为两档控制。当光电门在航模前半侧时,考虑到舵效受航速影响很大,航速应当始终保持高档,从而保证较好的操纵性和灵敏性。当光电门在航模后半侧时,为避免航路偏差进一步快速增大,将主机转速降为低档,再执行转舵。
从图7可以看出,在3、4、8号航门因为航路比较弯曲,自主航行难度比较大。如果减少在转弯处光电门,会直接引起航模偏出规划航路,触碰边界导致实验失败。因此,航路曲率半径较小的位置,PID控制参数的选取尤为重要。在本实验的PID参数设置下,从图8可以看出,尽管在转弯处航模有所震荡,但可以完成对下一光电门位置的直线制导,并且使航模在直线行驶段几乎没有振荡和偏差。因此直线段的航路航行难度相对较小,可以减少在直线航路上的光电门,用最少的红外光电门精确引导航模,这实质上不会对安全航行造成显著影响。总体来看,本实验系统可以较好的完成船岸标一体智能航行的任务。
本文提出并实现一种基于STM32微控制器的船岸标一体智能航行实验系统,设计并制作了包括航路标识模块、船载感知载荷模块、航行器控制模块三大部分的实验系统,并进行了船舶自主航行测试和验证。主要结论如下:
1)以光电门为基础的航路标识模块,可用于建立船岸标一体化的船舶智能航行实验系统,实现船岸标一体导引的基本功能。
2)STM32微控制器可有效实现对航行器运动状态的控制,航路模块可通过红外信号对航行器实现有效引导。
3)船舶自主航行的关键是对船舶的操纵运动特性的预测以及操舵精确控制,本文基于船舶操纵运动数学模型提出考虑船舶回转轨迹,使用PID控制航模操舵,以提升转向控制精度,实现船模的精确控制。
4)本实验系统可以较好地引导实验航模,实现航路标识和航行导引。系统具有方便实现、可靠性高等优点,可为未来新一代航运中无人船智能航行控制系统发展提供有益的参考。
[1] |
余世全. 无人驾驶汽车的发展现状和相关建议[J]. 专用汽车, 2023(1): 11-14. |
[2] |
严新平, 李晨, 刘佳仑, 等. 新一代航运系统体系架构与关键技术研究[J]. 交通运输系统工程与信息, 2021, 21(5): 22−29 YAN X P, LI C, LIU J L, et al. Architecture and key technologies for new generation of waterborne transportation system[J]. Journal of Transportation Systems Engineering and Information Technology, 2021, 21(5): 22−29. |
[3] |
PEETERS G, M. Kotzé, Muhammad Raheel Afzal, et al. An unmanned inland cargo vessel: Design, build, and experiments, Ocean Engineering[J]. 2020, 201: 107056.
|
[4] |
SZELANGIEWICZ T, ŻELAZNY K, ANTOSIK A, et al. Application of measurement sensors and navigation devices in experimental research of the computer system for the control of an unmanned ship model[J]. Sensors, 2021, 21, 1312.
|
[5] |
Ø. J. Rødseth, B. Kvamstad, T. Porathe, et al. Communication architecture for an unmanned merchant ship[J]. 2013 MTS/IEEE OCEANS - Bergen, Bergen, 2013: 1−9.
|
[6] |
International Maritime Organization, Strategy for the development and implementation of e-navigation[R]. MSC 85/26/Add. 1, annex 20.
|
[7] |
严新平, 褚端峰, 刘佳仑, 等. 智能交通发展的现状、挑战与展望[J]. 交通运输研究, 2021, 7(6): 2-10. YAN X P, CHU D F, LIU J L, et al. Status quo, challenges and perspectives of intelligent transportation development[J]. Transport Research, 2021, 7(6): 2-10. |
[8] |
杨鑫, 袁科琛, 刘芳. 智能船舶船岸一体化系统应用[J]. 船海工程, 2019, 48(2): 45−47. YANG X, YUAN K C, LIU F. Application of ship-shore integration system in smart ship[J]. Ship & Ocean Engineering, 2019, 48(2): 45−47. |
[9] |
VEITCH E, ALSOS O A. A systematic review of human-AI interaction in autonomous ship systems[J]. Safety Science, 2022, 152: 105778.
|
[10] |
王健, 陈伟, 曹园山, 等. 基于STM32的新型水下滑翔器姿态调节系统设计[J]. 舰船科学技术, 2022, 44(17): 68−71. WANG J, CHEN W, CAO Y S, et al. Design of a new type of embedded control system for attitude adjustment device of underwater glider[J]. Ship Science and Technology, 2022, 44(17): 68−71. |
[11] |
张智颖, 刘勇, 陈永冰, 等. 两种船舶运动模型间参数对应转化方法[J]. 舰船科学技术, 2020, 42(19): 30−34. ZHANG Z Y, LIU Y, CHEN Y B, et al. The transformation method of the parameters between two kinds of ship models[J]. Ship Science and Technology, 2020, 42(19): 30−34. |
[12] |
王建涛, 贾立校. 船舶自动识别系统中的模型及数据接口研究[J]. 舰船科学技术, 2016, 38(24): 1−3. WANG J T, JIA L X. Research on model and data interface in ship automatic identification system[J]. Ship Science and Technology, 2016, 38(24): 1−3. |