水域无人系统平台自主航行及协同控制研究进展

马 勇，王雯琦，严新平

（1.武汉理工大学航运学院，武汉 430063；2.国家水运安全工程技术研究中心，武汉 430063；3.武汉理工大学智能交通系统研究中心，武汉 430063；4.武汉理工大学交通与物流工程学院，武汉 430063）

1 引言

随着船舶工业和人工智能技术的持续发展，以自主、智能为突出优势的水域无人系统平台，已在海洋科考、海事管理等水上作业活动中发挥了巨大作用，是未来船舶工业和水上交通领域发展的重要方向之一。水域无人系统平台（Water Area Unmanned System Platform,WAUSP）是以无人船艇（Unmanned Surface Vehicle,USV）为基础，同时引入了无人机（Unmanned Aerial Vehicle,UAV）以及自主水下机器人（Autonomous Underwater Vehicle,AUV）等协同单元，各无人系统间有机协同、紧密耦合，共同执行相关作业任务，具备安全可靠、智能自主、经济高效等优点。水域无人系统平台的充分应用，可降低操作成本，提升作业效率，减少人员参与，扩大操作范围，亦可在恶劣危险环境下执行作业任务，创造显著的社会经济效益。

无人系统平台一般分为同构系统和异构系统两大类。在同构系统中，同一类型的航行器在同一环境中协同执行某一任务。例如，多艘无人船艇在水域执行串联卸载作业[1]、区域搜索[2]、船舶补给[3]。在远距离作业中，一艘母船搭载多艘无人船艇航行，承担运输、供电和回收等功能，抵达作业水域后，释放无人船艇来执行勘探和海面巡逻任务[4]。与同构系统相比，异构系统含有不同类型的航行器，能够处理海空监视、目标跟踪和通信等跨域协同任务[4]。水域无人系统如仅由同一类型的无人船艇构成，则为同构系统；如由多种类型的无人船艇构成或者引入了无人机或自主水下机器人[5]，则为异构系统。

目前，水域无人系统被全球多个发达国家和地区作为重点发展对象，其用途在不断拓展，如应用于海洋科考、资源勘探、水上安全保障等领域，承担水文探测、应急搜救、情报搜集、监视侦察等任务，推动了水域有人系统平台的少人化、无人化、自主化、智能化发展进程。水域无人系统平台开展作业时，需具备自主航行能力，各无人系统间需实现有序、安全、高效的协同控制，以确保顺利实施各项作业任务。

2 水域无人系统平台研究进展

信息通信、人工智能等新技术、新理念的迅速发展为推动水域无人系统平台快速发展提供了有力支撑。水域无人系统平台在战略制定和理论技术两方面的研究进展如图1所示。

诸多国家和地区高度关注无人系统发展战略制定工作。我国2015年提出的《中国制造2025》规划中要求推进无人系统产业化快速发展[6]，全面推广应用以绿色、智能、协同为特征的先进设计技术。2016年，日本防卫省防卫装备厅制定了《未来无人装备相关研究开发愿景》，力争在未来20年具备无人战斗机群协同作战的技术研发能力。2018年，美国国防部发布《无人系统综合路线图(2017—2042)》[7]，以促进军用无人水面艇、无人机、无人潜航器等无人系统的全面发展，确定了无人系统未来发展的4 个关键技术，即互操作性、自主性、网络安全以及人机协同。同年，我国工业和信息化部等三部门联合印发了《智能船舶发展行动计划（2019—2021年）》[8]，明确提出突破智能航行等关键智能技术的重点任务。2020年，中国船级社发布《智能船舶规范（2020）》[9]。2021年，国家海事局公布了《海事系统“十四五”发展规划》[10]，明确提出以推动“陆海天空”一体化水上交通运输安全保障体系建设为发展目标，扩大典型智能船舶“一个平台+N个智能应用”的示范推广。

近年来，水域无人系统平台理论技术工作得到了广泛的关注，进展显著。如图1所示，2014年，哈尔滨工程大学研制的天行Ⅰ号多任务高速无人艇，可用于执行全自主海洋环境监测、地形探测等任务[11]。2015年，DARPA 启动了跨域海上监视和追踪（CDMaST）项目[12]，明确制定了“实现面向海洋的跨域协同体系集成”的目标。2016年，美国诺斯罗普·格鲁曼公司开发了跨域异构无人系统协同作战控制架构“先进任务管理与控制系统”（AMMCS）；英国奎奈蒂克公司开发ACER 系统，实现单系统对多个无人船艇、无人机和自主水下机器人的指挥控制；中国首款海洋测量专业无人船艇M80 实现了智能吊放的过程[13]。2017年，以色列成功测试全球首艘可发射导弹无人艇[14]，以执行海域巡逻、侦察、辨别、拦截敌舰、反恐、水雷战、电子战和精确打击等任务。同年，武汉理工大学严新平及其团队创立“航行脑”架构[15]，并研发了“船岸协同安全辅助驾驶系统”。2018年，由欧盟15 个国家联合开展的首个跨欧洲军事研究项目——海洋 2020（OCEAN 2020）[16]在欧洲防务局启动，以支持海上监视和拦截，重点把无人船艇在内的各类无人系统整合到舰队中。同年，美国、英国等13个北约成员国签署了合作意向，在水面无人系统和水下无人系统的开发和部署方面密切合作[17]。2019年，美国通用动力公司开展无人船艇、自主水下机器人、濒海战斗舰以及核潜艇等无人作战平台的跨域协同通信、探测信息传输验证工作。同年，武汉理工大学马勇等[18]提出一种船舶智慧航行平台框架及航行方法。2020年，英国BMT公司研制的新一代五体无人水面艇可为国防和商用客户执行军事、巡逻、情报监视侦察、反潜战和水文测量任务。2021年，由哈尔滨工程大学牵头的海洋机器人集群智能协同项目完成海试[19]。Liu 等[20]综述了无人船艇开发的新进展。针对无人机‒无人船艇‒自主水下机器人系统编队避障问题，Yang 等[21]提出了一种分布式最优控制的方法。

图1 水域无人系统平台研究进展Fig.1 Research progress of the water area unmanned system platform

由上可知，国内外大力发展水域无人系统平台理论技术研究工作，初步解决了同水域无人系统平台自主航行、协同控制密切相关的关键技术问题。水域无人系统平台将会切实提升航运和船舶工业等行业的无人技术水平，成为行业高质量发展的新引擎。

3 水域无人系统平台关键技术

如图2所示，水域无人系统平台以无人船艇等航行器为载体，以涵盖智能感知、智能航行、协同控制、网络安全等关键内容的技术体系为支撑，可以实现自主航行、协同编队等各项作业任务。

图2 水域无人系统平台结构及关键技术Fig.2 Structure and key technologies of the water area unmanned system platform

3.1 水域无人系统平台智能感知技术

智能感知技术是指通过雷达、摄像头、AIS（Automatic Identification System）等各类传感器、传感网络以及信息处理设备，获取航行器自身信息以及周围海洋环境信息，为航行器安全、可靠地航行提供信息支持。水域无人系统平台智能感知框架如图3所示。

图3 水域无人系统平台智能感知框架Fig.3 Intelligent perception framework of the water area unmanned system platform

水域无人系统平台的感知系统主要利用搭载传感器设备以及信息处理技术设备，获取其自身状态信息和运动环境周围各种信息，为平台自主避碰、路径规划及跟踪、水上作业提供信息支持。以无人船艇为例，其状态信息主要包括船载设备信息，以及航行位置、速度和方向等信息；周围环境信息包括周围其他船只以及障碍物的状态信息、潮汐、水流等海洋状态信息以及天气状态。无人船艇感知技术主要分为以下几类。

3.1.1 基于雷达/激光雷达的环境感知技术

雷达有远、中、近三挡量程，测量范围涵盖1～48 海里，其应用有一定的局限性，例如：障碍物的视线必须远离其他障碍物才能够被检测到；一个物体只有在雷达的最小和最大探测范围内才能被探测到；受雨雪等天气状况和桥梁等水上建筑物的影响，其适用范围受限。激光雷达的工作原理与雷达类似，但其测量范围较小、精度更高，易受到直接视线、探测范围、扫描速度、天气条件和物体横截面等方面的限制。总体而言，基于雷达/激光雷达的环境感知技术研究一般聚焦于抑制杂波和各类目标的识别与定位[22]。

3.1.2 基于视觉的环境感知技术

视觉传感器是基于机器视觉获取周围环境的图像信息，通过对相机采集到的图像进行处理，从而达到对环境感知的作用，以获取广泛的信息。随着各类摄像头的研发，视觉传感器几乎可以应用于各种复杂条件下的环境感知，如红外摄像头和微光全彩摄像头可在夜间提供较清晰的视觉图像；热成像摄像头和超长高清透雾镜头能够有效透雾，服务于船舶雾航。基于视觉的环境感知技术在水上目标识别检测与跟踪研究中得到有效应用，属于图像处理范畴。Qi 等[23]提出了一种改进的舰船目标检测Faster R-CNN 算法，通过减小目标检测搜索规模，以缩短算法的检测时间，同时提高Faster R-CNN 算法的检测精度。Zhang 等[24]针对复杂海洋环境目标跟踪，提出了一种基于置信度机制的并行三分支相关滤波器来检测目标的外观变化和位置变化，提高了目标跟踪的鲁棒性。Lee 等[25]使用基于深度学习的检测模型 YOLO（You Only Look Once）v3 构建船舶检测模型，利用Unity 构建了虚拟图像数据集，可实现各种尺寸船艇获取摄像头图像，提高了检测性能。

3.1.3 基于多传感器数据融合的环境感知技术

如表1所示，各类船用传感器均有其优缺点，雷达感知受杂波影响较大；视觉感知缺少深层次的船舶航行数据；AIS 属于被动感知，一旦周围船舶关闭AIS，或者发出错误信息，AIS 的感知能力就不复存在。为实现优势互补，现有研究将多种传感器数据融合应用。Habtemariam 等[26]使用联合概率数据关联（JPDA）框架提出了一种新的测量级融合算法，实现了雷达和AIS 数据的融合，能够有效处理船只之间的MMSI 交换及丢失事宜。Mostafa 等[27]使用模糊函数依赖方法（FFDs）将来自AIS 和甚高频OTH 雷达的数据进行融合，证实了此方法可有效应对来自不同传感器的数据不确定性问题。Kim 等[28]提出了一种数据关联方法，用于融合视频图像信息和雷达信息，以便自动检测船舶并确定其相对于观测船的位置。

表1 船用感知传感器比较Table 1 Comparisons of ship sensors

由于水域无人系统平台作业环境处于水下与空中的交界处，为进一步提升平台作业范围和作业效率，平台上可配备水下潜航器和无人机等水下及空中无人作业装备。水域无人系统平台的感知能力可通过水下潜航器和无人机得以有效延伸。水下潜航器的感知主要通过水下声呐实现，目前的研究多集中在特征信号提取，少部分研究关注声呐同其他传感器数据的融合。Remmas 等[29]为无人潜航器提出了一种基于视觉和听觉信号数据融合的环境感知方法。无人机的感知主要通过摄像头实现，业内较多关注各类摄像头的充分利用。Falanga 等[30]通过事件相机实现了四旋翼无人机的障碍物快速检测和避碰。Leira 等[31]利用热像仪，实现了无人机对海上物标进行检测、识别和跟踪。

3.2 水域无人系统平台智能航行技术

无人船艇智能航行技术的发展为水域无系统平台在水上交通中的应用奠定了基础。中国船级社发布的《智能船舶规范》[32]指出，智能航行是通过计算机技术、控制技术等对各类智能船舶的航路和航速进行设计和优化。水域无系统平台智能航行技术主要包括路径规划、运动控制、目标/轨迹/路径跟踪、自主避碰等关键技术。3.2.1 水域无人系统平台路径规划技术

水域无人系统平台路径规划主要指在复杂海洋环境下，为以无人船艇为基础的水域无人系统平台规划一条或者多条连接起止点的安全经济、无碰撞的高质量路径，其技术原理如图4所示。

图4 无人船艇路径规划技术框图Fig.4 Technical block diagram of path planning for unmanned surface vehicle

根据对环境信息掌握的程度不同，路径规划分为全局路径规划和局部路径规划。全局路径规划是在环境信息已知前提下，建立海洋环境空间模型，在运动空间中为其在起止点间规划路径。局部路径规划通过传感器实现水域环境信息感知，为水域无人系统平台规划有障碍物场景的路径。如图5所示，路径规划算法主要有经典算法、启发式算法和混合算法等。

图5 水域无人系统平台路径规划算法分类Fig.5 Classification of path planning algorithms for the water area unmanned system platform

（1）经典算法

经典算法通常计算所有可能遵循的路径来产生全局最优路径，常用于具有静态障碍物的全局离线路径规划。Niu 等[33]针对无人船艇路径规划问题，提出了一种基于 Voronoi 图和可视图的Voronoi-Visibility（VV）路径规划算法。考虑到海流状态对无人船艇的能量消耗有显著影响，为增进无人船艇的续航能力，Niu 等[34]将Voronoi图、可视图、Dijkstra 搜索函数和能量消耗函数相结合，提出了一种基于海流数据的考虑能量消耗的无人船艇可行路径规划方法，确保无人船艇能够以最小的能量避开障碍物。

（2）启发式算法

启发式算法通过搜索所有可能解的子集来规划路径，用于实时处理动态障碍物、路径重规划和局部避碰，常见的有机器学习算法、定向方法、进化算法和抽样规划算法。针对一种多用途无人船艇系统的多任务分配和路径规划问题，Xia 等[35]提出一种具有最短路径的改进遗传算法。针对不确定环境下无人船艇的路径规划问题，Li 等[36]提出了一种基于深度强化学习和融合避碰函数的路径规划策略。针对水流和波浪扰动下的无人船艇路径规划问题，Wen 等[37]提出了一种改进的渐近最优快速扩展随机树方法。

（3）混合算法

为增进算法的路径规划能力，实现优势互补，混合算法应运而生。Sang 等[38]为了保证编队轨迹的最优性、合理性和路径连续性，提出一种改进的A*和人工势场混合算法。Chen 等[39]提出了一种有效结合全局和局部路径规划的混合算法来实现动态障碍环境下的路径规划，首先由A*算法生成无人船艇到达目标点的全局路径，然后在局部路径规划中采用动态窗口算法，最后通过跟踪局部目标点来避开动态障碍。

3.2.2 水域无人系统平台运动控制理论

如图6所示，水域无人系统平台运动控制问题通常分为镇定控制、轨迹跟踪控制和路径跟踪控制三类[40-41]。

图6 水域无人系统平台运动控制理论分类Fig.6 Classification of motion control theory for the water area unmanned system platform

（1）镇定控制

镇定控制通过寻求合适的控制器，实现航行器速度、航向和位置等镇定到某一个平衡点上。在无人船艇镇定控制领域，常见的方法有δ变换法、齐次法、反步法、滑模控制以及模糊控制等。Xie 等[42]提出了一个独立于速度信号并且对模型参数具有鲁棒性的控制律，可渐近地将无人船艇的位置稳定到所需的恒定位置，并将其速度稳定为零。Wang 等[43]提出了一种用于欠驱动无人船艇全局全状态稳定的事件触发控制器（ETC），通过选择适当的控制参数来保证稳定误差的全局渐近收敛。He 等[44]提出一种基于李群对数图的点稳定控制器，将欠驱动无人船艇全局渐近地稳定到所需的配置。

（2）轨迹跟踪控制

轨迹跟踪控制的速度、航向和位置等状态与时间关系密切，且要求航行器在规定的时间到达指定位置。对于浅水域乘潮、海上侦查与监测、动态目标跟踪等水上作业，其控制问题属于航迹跟踪控制问题的范畴。Deng 等[45]研究了基于事件触发机制的无人船艇自适应模糊输出反馈路径跟踪控制，通过对估计误差的转换，建立了自适应模糊观测器来估计无人船艇的运动状态，进而建立了一种串并联估计模型。Elhaki 等[46]提出了一种饱和轨迹跟踪控制器，将双曲正切函数用作稳定器项，通过动态表面控制方法设计跟踪控制器，以提高控制器性能。针对预设性能控制方法和鲁棒控制方法存在奇异性问题或控制信号不连续等问题，Zhang 等[47]设计了一种自适应预设性能控制策略，通过对位置误差和辅助变量施加约束，实现船舶的预设性能。当前研究较多关注轨迹跟踪控制[48-51]。针对速度不可测、动态不确定性和未知外部扰动对无人船艇轨迹跟踪控制问题，Zhu 等[51]提出了一种具有预定义性能的自适应神经输出反馈轨迹跟踪控制方案。Du 等[52]提出一种自适应鲁棒输出反馈控制器，通过引入高增益观测器估测无人船艇航向和速度，建立RBF 神经网络对无人船艇模型不确定性进行估计补偿。

（3）路径跟踪控制

路径跟踪控制过程与时间变量无关，通过设计不同的高鲁棒性控制器使航行器能够跟踪并稳定在预设的路径上。针对无人船艇存在输入饱和度、非对角质量矩阵、模型不确定性和未知时变外部扰动的问题，Xia 等[53]提出了一种基于浪涌航向视距制导律的自适应神经网络路径跟随控制策略。针对欠驱动无人船艇遭遇时变洋流和侧滑角的问题，Nie 等[54]提出了一种基于改进的自适应积分视线（IAILOS）制导律的自适应模糊路径跟随控制律，并结合反步法解决了无人船艇姿态跟踪控制和速度跟踪控制问题。

3.2.3 目标/轨迹/路径跟踪技术

以无人船艇为基础的水域无人系统平台在执行各类任务时需要有效跟踪预定路径，抵御风浪流等环境干扰，进而顺利完成任务目标。Fossen将跟踪问题分为目标跟踪、轨迹跟踪和路径跟踪。

如图7所示，目标跟踪的第一类引导律为Line-of-sight（LOS）引导律[55]及其变体。Zheng等[56]在改进了自适应积分制导方法的基础上，提出了一种具有不确定性的无人船艇的非线性跟踪控制方法。Walter 等[57]在比例LOS 制导方法上提出了ILOS（Integral Line-of-sight）制导方法，并跟据李雅普诺夫函数得出了制导控制律的明确界限，保证了一致全局渐进稳定性和一致局部指数稳定性。Fossen 等[58]利用自适应律主导漂角的补偿速率，提出了ALOS（Adaptive Line-of-Sight）制导方法，该方法计算量小，是ILOS 的一种特殊形式。第二类为pure pursuit 方法[59]，无人船艇需以目标的位置为目标点实时跟踪。第三类为constant bearing 方法，在已知目标的位置及航速等信息下进行拦截跟踪。为了保证拦截任务的效率和有效性，Du 等[60]开发了一种无人船艇拦截任务的安全学习方案，提出适用于无人船艇拦截任务的安全Lyapunov 边界深度确定性策略梯度(SLDDPG)算法。Fan 等[61]提出了一种重新定义Dubins 路径的方法，更快地匹配出符合出发地航向角和目的地航向角的最优路径，进行水域目标拦截。

图7 无人船艇目标跟踪分类Fig.7 Target tracking classification of the unmanned surface vehicle

面向多无人船艇的轨迹跟踪与镇定问题，Liu等[62]提出了自适应鲁棒控制器。针对多无人船艇的轨迹跟踪控制问题，Jia 等[63]通过结合高增益观测器、参数压缩算法和性能函数，提出了一种具有指定性能的自适应控制方案。

通过改进无人船艇路径跟踪控制系统，Wan等[64]提出了一种降阶状态观测器，用于在线估计风、浪、流等外部扰动引起的时变侧滑角，在不同的巡航速度下都能快速平稳地跟踪在期望的曲线和直线路径上。结合LOS 制导律和基于零空间的行为控制框架，Eek 等[65]提出一种欠驱动无人船艇在洋流作用下沿曲线路径行进的编队控制方法，实现了曲线路径跟踪。深度强化学习方法在无人船艇路径跟踪中得到有效的应用[66-68]。Zhao等[66]建立了基于深度强化学习的编队控制模型，以促使无人船艇形成预先设定的编队。

3.2.4 自主避碰技术

自主避碰技术对于保证水域无人系统平台航行安全至关重要。随着航行信息获取智能化、信息多元化的发展，面向航行器的操纵性能以及操纵者的思维过程，结合控制论、信息论、决策论等理论，综合研究自主避碰技术已成为水域无人系统平台关注的焦点。

Ma 等[69]通过设计一种广播协议，实现复杂场景下的群无人船艇自主避碰。Xu 等[70]提出了一种基于深度强化学习的智能避碰算法，利用强大的深度神经网络自动提取状态特征，确保无人船艇避开动态障碍物。Xu 等[71]为实现无人船艇自主避碰，设计了无人船艇的航行态势模型，提出了混合风险评估和避碰模型，设计了基于强化学习避碰模型的状态、行为、奖励功能和网络结构，实现复杂环境下的有效避碰。

国际海上避碰规则（COLREGS）对指导自主避碰具有重要现实意义。Tor 等[72]开发了一套基于条件规则的决策过程和模糊推理智能决策系统，将COLREGS 中的避让动作融合入上述系统中，实现了遵守COLREGS 的船舶避让。Zhao 等[73]对船舶会遇态势划分以及安全距离的制定做了详细分析和验证研究，可根据船舶危险度计算出避碰时机和避碰幅度。Wang 等[74]设计了基于COLREGS 的自主避碰算法以确保无人船艇安全航行。轨迹预测是实现水域无人系统平台自主避碰的基础，为了解无人船艇等运动状态趋势提供了有益参考。Lyu 等[75]研究了具有避碰特性的分布式编队跟踪控制问题，首先利用扩展状态观测器估计每个子系统的未知模型不确定性和外部干扰，然后考虑物理约束和避碰要求，设计了分布式模型预测位置跟踪控制器和模型预测角运动控制器用于编队避碰控制。

3.3 水域无人系统平台协同控制技术

相对单个航行器而言，水域无人系统平台具有空间分布性、功能分布性以及更高可靠性等优点。水域无人系统平台协同控制旨在通过组合具有简单功能的无人船艇、无人机以及自主水下机器人成为一个有机整体，在协同控制技术支持下，使团队中的每个成员各司其职、协同合作，完成水域扫测、围追拦截、水面清污等各类既定任务。

3.3.1 协同覆盖路径规划技术

区域全覆盖路径规划（Area Coverage Path Planning,ACPP）是根据任务需求，为航行器/运动物体规划一条覆盖给定区域或空间的最短路径。如图8所示，无人船艇及自主水下机器人等多个协同作业单元已被广泛用于搜索和救援行动中。多个协同单元联合作业，可显著提高区域覆盖作业效率、缩短完成任务的时间。如在发生海上事故时，能够在最短的时间内有效地扫测事故区域，赢得救援时间。

图8 水域无人系统平台协同扫测效果图Fig.8 Collaborative scanning rendering of the water area unmanned system platform

针对多无人船艇协同覆盖路径规划问题，毕华雄[76]设计了CCIBA*算法，提出了区域分割、回溯转移、区域交换和障碍物联合识别等协同行为策略，以增进复杂场景下多无人船艇协同扫测效果。Liu 等[77]提出了一种基于强化学习和概率映射的协同搜索算法(CSBDRL)，使多无人船艇系统具有更高的搜索效率，保证无人船艇在任务过程中及时避开障碍物，能够及时地找到目标。Carisza 等[78]考虑在有限的运行时间内最大限度地完成多目标水域搜索，使用多层次时间‒空间网络来描述无人船艇和母船随时间的运动，进而将覆盖路径规划问题表述成一个整数规划模型。Xie等[79]考虑了协同巡逻任务的特点和无人船艇的限制条件，提出了一种基于混合分区的多无人船艇系统巡逻方案，以实现具有重要级别差异的海域目标巡逻。

Zhu 等[80]建立了无人船艇‒自主水下机器人协同巡航模型，为协同巡航提供更准确、实时的导航信息，增进了海事监管效率。针对海上搜救问题，Yang 等[81]首先采用网格法对搜救区域建模，然后利用RL（Reinforcement Learning）规划搜索路径，最后由无人机和无人船艇 组成认知移动计算网络来协同搜救，提高通信吞吐量。

3.3.2 多无人船艇协同控制技术

单艘无人船艇往往难以有效地完成水面清污、围堵拦截、护航转运等较为复杂的作业任务，而多艘无人船艇通过协同的方式可以有效承担上述工作。为此，开展多无人船艇协同控制技术的研究具有重要现实意义。

如图9所示，多无人船艇协同控制体系可分为集中式、分布式和混合式三种。集中式控制是将一艘综合性能较高的无人船艇作为主控单元，进行任务部署，并将部署信息广播给其他各协同单元，这种体系虽然协调效率较高，但主控单元一旦产生故障将直接导致整个系统的瘫痪，故自主性和鲁棒性较差[82]；分布式控制是每艘无人船艇都具备独立接收命令与分析的能力，可以相互通信，具有较好的容错性与可扩展性，但多艘无人船艇因地位均等，其协调效率低、全局性较差，易产生局部冲突[83]。混合式控制兼顾集中式与分布式的优点，具备较好的敏捷性、灵活性、可靠性、持续性和鲁棒性，可满足多无人船艇协同作业需要。

图9 多无人船艇协同控制体系结构Fig.9 Multi unmanned vehicles collaborative control architecture

针对多无人船艇协同控制的问题，Arrichiello等[84]开展了由浮绳联结两艘水面无人船艇构成的双无人船艇系统控制策略研究，提出基于零空间行为的协同控制方法，即每艘无人船艇的行为由一个主管软件模块控制，处理同另一艘无人船艇的通信以及控制所有基本任务。如图10所示，每艘无人船艇执行基本任务，各类任务按优先级排列，并使用基于行为的方法进行合并，最终协同完成所有任务。Giron-Sierra 等[85]深入开展多无人船艇航行系统研究，分析系统船端、岸端及船‒岸通信模块功能需求，构建多无人船艇航行系统，实现岸基‒船舶有效协同，最终使用两艘无人船艇搭载溢油清除设备完成溢油围捕任务。Peng 等[86]提出一种受不确定性和干扰影响的多无人船艇协调动态定位的分布式优化方法，将最优位置编码在局部函数和中，实现多无人船艇的相对动态定位。

图10 双无人船艇航行系统分层控制架构Fig.10 Hierarchical control architecture of a dual unmanned surface vehicle navigation system

3.3.3 无人机‒无人船艇‒水下机器人跨域协同技术

无人机/无人船艇/水下机器人等异构无人航行器的跨域协同是当今国际的前沿技术，引起了世界各发达国家和地区的广泛重视，并被列为无人系统发展路线图的战略核心技术。无人机‒无人船‒水下机器人协同技术及装备对维护我国海洋权益、保障水域资源安全起着至关重要的作用。

水域无人系统跨域协同是指通过智能化的指挥、协同控制和信息交互，将无人船艇、无人机和水下机器人进行有机集成。无人机作为一种空中无人飞行器，具有速度快、视野广等优势，能高效执行各类探测侦查任务；水下机器人作为深水探测和追踪的有效工具，具有隐蔽性强的优点，在海洋探测领域有着不可替代的优势。然而，无人机和水下机器人存在续航能力短、负载能力弱的缺陷，极大地制约了其作业效能。水面无人船艇作为未来水上新型智能装备，具有自主航行、智能避障、续航能力长、载荷能力强等优势，如图11所示，可同无人机、水下机器人协同构成立体跨域的水域无人系统平台，以显著增强完成复杂作业任务的能力。

图11 水域无人系统平台跨域立体协同示意图Fig.11 Cross-domain three-dimensional collaboration diagram of the water area unmanned system platform

随着水域无人系统平台对自动化、数字化、集群化和智能化能力要求的深入，相比于同构无人平台，异构无人平台可利用不同个体的优势形成更强的多维空间信息感知能力，完成更为复杂的任务。如图12所示，可将无人机‒无人船艇‒水下机器人协同作业类型分为三种：无人机‒无人船艇跨域协同、无人船艇‒水下机器人跨域协同以及无人机‒无人船艇‒水下机器人跨域协同。

图12 水域无人系统平台跨域协同类型Fig.12 Type of the water area unmanned system platform with cross-domain cooperation

（1）无人机‒无人船艇平台跨域协同

无人机‒无人船艇跨域协同平台是以水面无人船艇为载体，通过自由释放和回收无人机实现协同作业。Ma 等[87]设计了一种用于无人机‒无人船艇的集群协同通信框架。Shao 等[88]设计了一种分层着陆引导点生成算法，通过引导点序列实现了无人机在无人船艇甲板上的稳定着陆。Zhang等[89]为无人机‒无人船艇平台提出了一种新型的全自主回收系统，该系统覆盖了无人船艇上小型固定翼无人机的回收全过程，实现了高动态下的相对运动。

（2）无人船艇‒水下机器人平台跨域协同

无人船艇‒水下机器人跨域平台协同主要面向水面和水下作业场景，以无人船艇为载体，搭载和回收水下机器人，以胜任同构无人航行器难以承担的复杂水面和水下场景下的作业任务，具有较高的研究和应用价值。Agra[90]开发和实现了一种无人操作的水下检测系统，由水下机器人与无人船艇来协同完成任务。Sarda 等[91]进行了水下机器人从无人船艇水下自动发射和回收的测试。Sarda 等[92]设计和开发无人船艇的高级模糊逻辑制导控制器，以实现水下机器人的自主发射和回收。

（3）无人机‒无人船艇‒水下机器人平台跨域协同

无人机‒无人船艇‒水下机器人跨域协同为水域无人系统平台的发展奠定了基础，相关技术可用于水域无人系统平台的协同侦察、快速强力突击、全域集群濒海对抗、精准高效保障等任务。Wigley 等[93]设计了基于无人船艇‒水下机器人组合方法的水下机器人发射、回收新方法。Wu 等[94]以无人机、无人船艇和水下机器人相结合的水下目标搜索跟踪任务为研究对象，设计了一种包括搜索阶段和航行阶段的分步动态目标追踪方法，并使用IPSO 算法来生成航行器路径。

3.4 水域无人系统平台网络安全技术

随着航运业向自动化、智能化趋势进行部署和发展，越来越多的网络安全问题及风险也显现出来。如图13所示，水域无人系统平台网络可分为两类：第一类是用于信息收集和信息管理服务的网络，如用于海事卫星电话及岸基通信系统，此类网络通常称为信息网络（IT 网络）；第二类是负责采集、监视和控制航行器的运行状态，服务于水域无人系统平台中协同控制系统的网络，称为控制网络（OT 网络）。

图13 水域无人系统平台网络安全分类Fig.13 Network security classification of autonomous navigation system of the water area unmanned system platform

水域无人系统平台网络结构如图14所示。岸基平台的威胁包括软件漏洞、病毒、恶意软件、木马、键盘记录程序等；各航行器之间的通信链路的安全威胁包括口令破解、身份欺骗、跨层攻击和多协议攻击；无人机的传感器、通信、软件和网络等方面易受网络风险攻击；无人船艇易受网络风险攻击的系统包括GPS、ECDIS、AIS[95]等。随着网络技术的深入应用，水域无人系统平台网络风险来自更多的方面，如程序中的操作错误、软件缺陷、未经授权访问的系统入侵等问题，当平台的传感器测量和控制命令通过网络通道传输时，会存在通信延迟、数据包丢失现象[96]。

图14 水域无人系统平台网络结构Fig.14 Network structure diagram of the water area unmanned system platform

目前，在水域无人系统平台网络安全研究中，网络安全防护措施是针对各航行器的网络特点来开展的。在网络层与网络层连接处设置网络防火墙，尤其是在与卫星通信的接口处设计严格的进出规则，对出入口流量进行监控与限制，使攻击者接触不到水域无人系统平台核心的控制网络，从而保证水域无人系统平台网络安全。

对于绕过卫星通信，直接针对航行器实体进行的局域网攻击，目前的防御手段通常是建立入侵检测与安全报警与防护体系。例如，全球海上遇险和安全系统（GMDSS）及船舶安全报警系统（SSAS）针对已知威胁进行的局域网攻击可以起到良好的报警与防护措施。

在提升网络资源利用率和抵御网络攻击方面，Ma 等[97]基于网络通信延迟、外部干扰、故障和非周期拒绝服务协同设计了一种无人船艇系统故障检测滤波器和控制器，有效提高了网络资源利用效率，抵御网络攻击，保障无人船艇通信安全。Ma 等[98]设计了一种基于网络事件触发方案船舶T-S 模糊控制器，抵消了通信延迟对无人船艇控制系统性能的不利影响，保证了无人船艇正常通信。

网络和信息化技术的迅猛发展促进了水域无人系统平台应用技术水平的提升，同时也带来了很多网络安全风险。如何有效提升网络安全水平，保障智能航行和安全通信，将是水域无人系统平台发展亟需解决的一个重要问题。

4 水域无人系统平台面临的机遇与挑战

水域无人系统平台呈现出作业单元由个体向集群协同、作业环境由单一环境向复杂立体环境、作业能力由简单功能向复杂功能的发展趋势。面向水域无人系统平台自主航行及协同控制问题，需持续突破智能感知、智能航行、协同控制、网络安全等关键技术，以推动水域无人系统平台发展到一个新的阶段。

（1）智能感知技术

为实现水域无人系统平台远程控制，需配备各类大量的传感器，感知各类信息，进而实现平台有效感知航行环境信息和平台航行状态信息，为智能航行提供基础信息支持。为此，有必要建立端‒岸‒云协同通信系统，实现采集信息的多样化和立体化。为有效应对多源异构数据融合以及海量数据传输，应发展适用于处理海量数据的硬件和软件系统，提升数据处理和传输的效率，实现水域无人系统平台的智能感知。

（2）智能航行技术

以无人船艇为基础的水域无人系统平台，对算法的鲁棒性和自适应性要求较高，需要研究更为稳定、可靠、高效的智能航行算法，以有效应对海洋复杂环境扰动。为实现恶劣环境下的高精度路径/轨迹跟踪，需要为水域无人系统平台设计和实现复杂环境的欠驱动智能航行控制器。同时，为增进水域无人系统平台的作业能力，应在智能航行技术中进一步体现出航行经济性的需求。

（3）协同控制技术

跨域协同是水域无人系统平台发展的高级阶段，也是应对日益复杂的环境和使命的重要技术途径与应用手段。随着智能技术的高速发展，跨域协同势必将为水域无人系统的发展带来更多契机，在未来侦察巡逻、深远海作业、海上救援、地理测绘、环境监测、海洋探索等军用和民用领域发挥重要的作用。

因水域无人系统平台的应用场景多变，其功能节点和应用要素极为复杂，需进一步关注协同控制技术的接口标准化问题，进而加快推动平台实用化进程。

（4）网络安全技术

水域无人系统平台在构建和实现过程中，充分应用了无线局域网、WIFI、LTE/4G、5G 等多种通信手段，使得通信系统暴露于网络安全风险的可能性显著提升。网络攻击不仅难以循迹且持续时间难以估量，而且造成的损失更加惨重。随着水域无人系统平台自主化水平的持续发展，平台自主航行及协同控制方面对信息感知、交互、融合的需求日益增加，黑客们就越容易发现并利用漏洞，实施攻击。同时网络安全领域可能会涉及更多的动态风险，为保障水域无人系统平台的网络安全保障带来了新的挑战。

5 结语

本文介绍了水域无人系统平台自主航行及协同控制的研究现状，分析了平台智能感知、智能航行、协同控制、网络安全等关键技术研究进展，提出了水域无人系统平台面临的挑战与机遇。人工智能、信息通信等领域前沿技术的深入发展，将为持续突破自主路径规划及跟踪、自主航行及协同控制、网络安全等关键技术提供有力支持，必将推动水域无人系统平台向着实用化、自主化和智能化方向迈进。