0 引　言

随着经济全球化的迅速发展，航运界也迎来了长足的发展。世界主要航道上的船舶的数量、吨位和航速相较之前有了明显的增长，随之而来的是船舶海上事故的不断增加。如图1所示，根据欧洲海事安全局的统计数据，2014—2021年期间报告的海上伤亡和事故总数为221173起，其中80.7%的海上事故与人的因素有关，因而提高船舶驾驶员的专业素质显得尤为重要。舰船操纵模拟器作为一种经济高效的船舶驾驶培训设备，也越来越受到各国的青睐。

基于运动平台的舰船操纵模拟器是一种可以模拟海洋环境、船舶运动，人在回路中的交互式仿真装置与系统。其专门为模拟船舶驾驶而研制，可以提供逼真的船舶运动体验，并用于船舶操纵培训、船舶设计验证、海上作业规划、航海教育等领域^[1]。

1 舰船操纵模拟器研究现状

在国际海事组织的倡导和鼓励下，一些航海强国在20世纪60年代左右就开展了舰船操纵模拟器的研制，其制造工艺借鉴了较为成熟的飞行模拟器的发展经验。在发展早期受制于历史条件与科技水平，舰船操纵模拟器的发展较为缓慢，结构功能相对简单。自20世纪90年代，特别是2000年以来，随着计算机网络、信息传输及虚拟现实技术的快速发展，舰船操纵模拟器实现了从“盲”到“明”，从单一功能到全任务的飞跃^[2]。挪威船级社根据模拟器的性能指标，将其划分为A、B、C、D等级，分别对应全任务、多功能、有限功能、单一功能4类模拟器^[3]。

全任务模拟器一般由计算机控制系统、运动模拟平台、模拟驾驶舱、操纵系统、视景系统和音响系统组成，如图2所示。其中，计算机控制系统是整套系统的核心组成，通过对仿真数值模型进行求解，接受船舶驾驶员的操作指令并将其转化为具体信号传递给运动机构及视景系统，实现船舶的运动与相应视景的动态变化。历经70多年的发展，舰船操纵运动模拟技术已经较为成熟，以下简要介绍国外与国内舰船操纵模拟器的发展历程。

1.1 国外发展

最初的舰船操纵模拟器结构简单，只含有简易的振荡装置^[4]，如图3所示。1967年，Bell等 ^[5]研制了能够模拟船舶单自由度横摇运动的装置。1970年，荷兰研制世界上第1台真正意义上的舰船操纵模拟器，主要用于研究舰船模拟器的实用价值和人的操纵对舰船运动的影响^[6]；1976年，英国华沙航海学院成功研制了可以用来模拟6种船舶类型和12个真实海域的夜景模拟器^[7]。

随着计算机技术与虚拟现实技术的发展，舰船操纵模拟器对于真实船舶航行环境的再现也越来越逼真。2001年，阿根廷国家航海学校^[8]投入使用的MELIPAL-R模拟器可以实现对海岸地形、浮标和其他船舶的模拟；2006年，KONGSBERG 公司研制了北极星舰船模拟器，如图4所示。运动平台通过液压油缸驱动，平台周围环绕着7 m高的投影屏幕，具有360°水平视图，海景可视化系统中增加了冰区模拟模块。

2014年，荷兰国家应用科学研究院^[9]设计了一种用来做运动病研究的三自由度船舶运动模拟器，其驾驶舱尺寸为 4 m×2.4 m×2.3 m，垂荡运动幅值可达l m，纵摇运动幅度为40°，横摇运动幅度为 30°；2018年Transas公司研制的NTPRO 5000模拟器通过了挪威船级社的认证；2021年瓦锡兰公司研发的模拟器，其球幕可以随着船舶位置和状态的变化显示不同的场景。

21世纪初至今，基于运动平台的舰船操纵模拟器有了飞速的发展，相较于之前增加了电子海图、拖船、冰区模拟等子系统，而且视景可以根据船舶不同的运动状态，显示真实的环境变化。模拟器也实现了从单一功能、多功能到全任务的飞跃，全任务航海模拟器是诸多模拟器中技术难度最大的一种，其结构最复杂，跨越的学科领域最多，但其功能最为完备，驾驶员的动感、视觉、触觉、听觉等均与舰船在海上航行的真实感觉相近。

1.2 国内发展

国内在舰船操纵模拟器的研制方面起步较晚，1982年上海交通大学^[10]研制出两自由度舰船操纵模拟器，这是当时我国第1台成功通过鉴定的舰船操纵模拟器。

1992年，哈尔滨船舶工程学院^[11]研制的六自由度船舶操纵模拟器通过了船舶工业总公司的技术鉴定，最大负荷为5 t，是当时国内同类设备中载重最大、精度最高、性能最优的设备。1995年，海军工程学院研制出国内首套伺服液压驱动的六自由度潜艇操纵模拟器；2002年，上海海运学院成功研制出驾驶台与机舱一体化的舰船模拟器；2006年，大连海事大学自主研制的多功能航海模拟器出口到新加坡；2007年，上海海事大学自主研制了教学培训与设计评估于一体的配备360°视景系统的航海模拟器^[7]。

对比国外同时期舰船操纵模拟器的发展状况可以发现，我国在舰船操纵模拟器研制方面起步较晚，在一段时期内远落后于国际水平。但是经过一代又一代学者的不断努力，国内模拟器的研发水平逐渐追上了国际水平。2018年，我国自主开发了蛟龙号潜水器操纵训练模拟系统^[12]，如图5所示，其综合利用虚拟现实、图形图像、三维立体视景生成和再现等技术，可实现舱内操纵人员与海底三维立体视景的直接交互。2019年，大连海事大学研制了V. Dragon-Nav 5000型全任务船舶操纵模拟器，如图6所示，可模拟国内外50多个港口和航段、110艘不同型号的舰船，可进行拖轮作业、渔业操作、冰区航行等不同业务领域的模拟。2022年，中国科学院深海科学与工程研究所等单位联合开发了基于“深海勇士”号载人潜水器的 VR模拟培训系统^[13]，如图7所示，可以实现多人协同完成深海勇士号操作控制和作业场景的训练内容。

2010年以后，我国的舰船模拟器在借鉴国外发展经验的基础上，进入了快速发展时期，朝着大型化、专业化、综合化、智能化的方向稳步迈进。如今我国在全任务舰船操纵模拟器研制方面跻身世界前列，可以真实地模拟出大型船舶的多种操纵运动特点，而且也可以进行多船联合操纵模拟。

2 关键技术 2.1 运动平台

六自由度运动平台是舰船操纵模拟器中为驾驶员提供运动体感的重要装置。目前用于舰船操纵模拟器的运动平台大多数基于Stewart并联机构，其最早由D.Stewart^[14]在1965年设计发明，后人将具有该结构形式的运动机构统称为Stewart运动平台。Cappel^[15]首次研制出了基于六自由度运动并联机构的飞行模拟器，如图8所示。后面逐步扩展到其他领域，如荷兰海军投入使用的六自由度潜艇模拟器，如图9所示。国内在Stewart运动平台的研究方面起步较晚，直到1990年前后，黄真教授在该领域进行理论研究并取得一系列成果^[16]后，各个科研机构才开始逐步重视起来。

六自由度运动平台具有较强的动力学非线性，目前的研究主要是为了提高平台的控制精度及稳定性，研究方向主要有运动平台反解、控制策略等^[17]。

六自由度运动平台反解是指已知平台末端执行器的位姿，通过数学和几何方法，反推出六自由度运动平台各关节的角度、位置等参数，以实现对平台的姿态和位置控制；如朱道扬等^[18] 、LIU等 ^[19] 、Bai等^[20]学者分别采用四元数法、改进粒子群、FOA优化BP神经网络算法、ELM-SSA-SCA法，提高了反解的收敛速度，降低了其输出误差。

传统的六自由度运动平台控制策略是依据比例-积分-微分（PID）控制器的控制算法来实现，该方法控制简单易于工程实现。传统PID控制器在面对复杂非线性被控系统时，其控制效果并不理想。近年来一些学者将自适应控制、模糊控制、神经网络和PID控制器相结合 ^{[21 − 23]}，提出了基于李雅普诺夫等新的控制策略，还有一些学者着手研制新的控制器来实现精确控制，如常光宇^[24]等研制的非奇异终端滑模控制器。

综上所述，对于提高六自由度运动平台的控制精度，未来可以从以下2个方面进行深入研究：

1）运动学求解方面。目前常用的六自由度运动平台正反解手段在计算速度、精确度、误差、稳定性等方面已有较大提高，但未来仍可结合粒子群、神经网络等算法充分考虑非线型因素，如摩擦、弹性、惯性等对求解结果的影响，进一步提高精度。

2）控制算法方面。针对不同的运动平台特性，可研究并设计更优化的控制算法，包括基于传统PID控制的改进算法、模糊控制、神经网络控制、鲁棒控制等，使得控制系统对参数变化、外部干扰以及模型误差等具有更强的抗干扰性，以及针对非线性系统的智能控制与自适应控制方法，通过学习和调整控制参数，实现系统对于误差的自动调整和修正，提高运动平台的控制精度。

2.2 洗出算法

由于运动平台无法进行大角度、大姿态的运动，目前普遍采用洗出算法使平台在有限的空间下模拟出足够逼真的动感^[25]。

洗出算法由Conrad等^[26]提出，被称为经典洗出算法，被广泛应用于各种运动平台中。

Parrish等^[27]提出了能够自动调节参数的算法—自适应洗出算法，其原理如图10所示。Asadi等^[28]对其进行改进使其能够在线调整参数。Sivan等^[29]等结合前庭器官数学模型提出了最优洗出算法。Mehmet等^[30]基于模型的预测控制理论，提出了一种新算法，简称模型预测洗出算法。

如表1所示，总结了4种洗出算法的优缺点。各种改进洗出算法被应用到不同种类的模拟器上，虽然洗出算法的主要内容大致相同但是对于不同种类的模拟器，洗出算法的侧重点与性能指标又有所不同^{[31 - 34]}，如表2所示。

综上，相关学者的研究在提高算法的可信度、减少虚假暗示、参数优化、提高运动平台利用率等方面取得了显著成效。但也存在一些不足：

1）洗出算法的优化过程较慢，不同算法之间的优劣难以客观判断。目前评估方法主要依靠人的主观感受，调整过程缓慢，未来应着重开发高效的洗出算法客观评价系统。

2）经典洗出算法中感知角速度存在信号丢失、相位误差和逼真度不足、空间利用率低等问题，应着重开发可以降低相位延迟、感知误差、虚假暗示的算法，使运动平台能够提供更真实的运动模拟。

3）当前基于最优控制、模糊控制、自适应控制、模型预测控制等洗出算法，多局限于离线仿真，未来应着重研究可用于在线验证的洗出算法。

2.3 舰船运动数学模型

舰船运动模型的建立方式主要有参数化建模与非参数化建模。

参数化建模是指传统的舰船运动数学模型，主要分整体型流体动力模型和分离型动力模型。一种是以 Abkowitz ^[35]为代表的整体型结构模型，对船舶进行受力分析，使用这种模型算得的结果比较精确，但是这种方法存在高阶导数物理意义不明显、实验结果不具有可复制性、成本较高等缺陷。另一种是分离型流体动力模型（MMG）^[36]；之后许多学者不断地对其进行发展和完善，是目前学术界较为流行的一种舰船运动数学模型。以MMG模型为基础，汪有良^[37]开发了适用于航海模拟器的数值计算软件，并以“泰安口”轮为例进行实验对比，旋回直径误差仅为0.31%；任俊生等^[38] 、李笑晨等^[39]的研究成果为开发船舶运动模拟器提供了一定的理论依据。

与参数化建模相比，非参数化建模几乎不需要船舶模型结构的先验信息，无需分析复杂的流体动力学^[40]。近年来，神经网络（NNS）、支持向量回归（SVR）和局部加权学习（LWL）等机器学习方法被用于船舶动力学建模。Rasmussen等^[41]、Zhang等^[42]、Bai等^[43]利用上述方法在非参数化建模方面取得了一定的成果，但是仍然存在训练数据集难以确定、建模效率低、模型过学习或前学习、计算成本高昂等难题。

为了构建更加精细化、智能化和泛化性的数学模型，更好地用于操纵训练，未来还需要从以下方面进行深入研究：

1）深度学习、强化学习与非参数化建模的融合。可以利用深度学习技术，从大量海试数据中学习舰船的运动规律，构建非参数化的舰船运动数学模型，实现对舰船运动行为的精确预测。

2）集成模型方法。将舰船的运动数据、气象海洋数据、船舶工况数据等不同领域的数据和信息进行集成，构建全面、多维度的非参数化舰船运动数学模型。

3）数据驱动的动态模型。舰船在海上运动受到环境、操纵等因素的影响，建立基于数据驱动的动态模型，实现对舰船运动过程中复杂因素的实时建模和预测，为舰船操纵和自主控制提供更加灵活、适应性更强的模型支持。

3 结　语

历经几十年的发展，舰船模拟器已经取得了显著的成效和应用成果。其一，随着VR与AR技术的兴起，舰船操纵模拟器向着便携化、沉浸式方向稳步发展；其二，由于机器学习、神经网络、遗传算法等智能算法的不断进步，使得六自由度运动平台的结构不断优化、洗出算法不断改进、舰船运动数学模型精度不断提高。舰船操纵模拟器会在未来迎来更广阔的发展空间，并为船舶运动研究和相关领域提供更好的支持和帮助。