中国指挥与控制学会会刊 
近年来,随着人工智能、微电子、计算机以及通信等技术发展,无人集群装备的研发成为研究热点[1-2]。无人艇集群系统作为一种智能化的水上工作平台,在海洋测绘、资源勘测、协同作业、集群作战等领域有重要的作用[3]。面向海洋、河流以及湖泊等复杂任务场景,对环境中的各类障碍物(静态、动态障碍物)的自主规避行动是无人艇集群系统的重要组成部分,避障行动的优劣对于提升无人艇集群生存率和任务完成率至关重要[4]。鉴于无人艇集群系统的约束限制,避障行动策略需要满足如下条件:1) 快速实时响应;2) 减少通信量;3) 避障的同时,执行游走任务。
针对无人艇的自主避障控制问题,Song等[5]将避障算法的重点放在对多个障碍物的避障策略优化上,提出基于滚动障碍分类和模糊规则的动态避障算法,通过对多个障碍的碰撞概率计算,实现不同优先级的分类,而后优先规避高优先级障碍,最后引入模糊规则和粒子群算法,计算出最优的避障路线。Wang等[6]基于双层规划思想,利用改进粒子群算法在全局路径规划中实现无人艇对面障碍的规避,基于人工势场算法在局部路径规划中实现无人艇对临机障碍的动态规避,实现了集群在水域中的巡航游走。Deng等[7]提出一种基于动态导航船域(DNSD, Dynamic Navigation Ship Domain)的动态避障算法,按照碰撞风险研判、避让路径规划、避障行动实施分步执行。
路径规划类避障算法的优点是算法额外成本低,避障算法直接作为游走行动的一部分加以解决,在环境已知的静态场景下具备不错的规划效率。在基于机器学习的避障算法研究方面,Liu等[8]将无人艇的避障问题简化为对障碍的识别判定问题,通过D-S证据理论将多传感器采集的数据进行融合,提升了对动态障碍的识别率。Lee等[9]在无人机飞行中提出一种基于摄像机图像采集分析的避障算法,通过快速区域卷积神经网络(Fast R-CNN)设计机器学习模型,检测图像中的树宽预估碰撞时间,从而控制无人机采取避障行动。文献[10]结合障碍函数(BF, Barrier Function)法将避障问题转化为一个无约束的最优控制问题,基于行为-评价神经网络(ACNN, Actor-Critic Neural Network)结构实现了无人机的自适应强化学习避障控制。
在基于规则约束避障算法研究方法中,Wang等[11]基于国际海上避碰规则(COLREGs),以安全航行为目标设计局部避障算法,按照碰撞风险的评估、转向时机的确定和航路的更新建立避障模型,是一种典型的基于简单规则约束的避障算法。Zhu等[12]以规避动态障碍为目标设计了基于圆形网格轨迹单元(CGTC, Circle Grid Trajectory Cell)的避障算法,在确定障碍距离后,通过圆网格树建立转向角与圆心之间的关系函数,进而生成一条安全、平稳、高效的避障轨迹,有效地实现了无人艇对静态、动态、点、面障碍的动态规避。Yan等[13]基于虚拟结构和人工势场算法设计了无人艇编队的避障算法。Rawikara等[14]提出一种基于椭球体集合的动态避障算法,实现对动态障碍的自主规避。Kim H G等[15]提出基于国际海上避碰规则的避障算法,采用动态窗口方法(DWA, Dynamic Window Approach),通过计算无人艇和最近障碍点的距离、预计碰撞时间来提前实施避障行动。Tan等[16]和Chen等[17-18]提出了一种速度障碍法,利用相对速度的动态调整避开移动的点障碍。文献[19]提出了一种类似细菌趋化行为,实现了移动机器人在密集障碍物区域运动位姿的灵活调整。
受到上述研究成果的启发,本文基于细菌旋转避障策略的生物学原理[20],通过构造类似于圆网格轨迹单元的方形网格轨迹单元(Square Grid Trajectory Cell, SGTC),实施对各类障碍的动态规避,实现针对划定水域自主常态化巡航的无人艇集群行动。本文模拟了真实场景,建立了带各类障碍的水域方格网络和雷达感知态势,确保算法的工程应用性;设计了基于细菌旋转避障策略的动态避障算法,实现对各类障碍的完美规避;在仿真建模中,引入环境迷雾、目标选取、换班补给、艇数动态调整机制,实现对划定水域的常态化巡航警戒。
1 问题描述
1.1 障碍种类分析
复杂水域环境中,无人艇执行自主巡航任务遭遇的障碍类型复杂多变。按照有无速度,其可区分为运动障碍和静止障碍;按照面积大小,可区分为点障碍和面积障碍;按照形状可区分为凸面障碍和凹面障碍。面对各种类型的环境障碍,无人艇避障过程包含两个目标:1)不能触碰或进入障碍区域;2)尽可能提升避障效率。
其中目标1是避障算法的必要条件,是衡量避障算法是否可行的评判指标。为了实现目标1,可以部分牺牲目标2的效率因素。目标2是在目标1基础上的算法优化,即在避障成功前提下,尽可能缩短避障过程的时间消耗,方便与其他路径规划类算法叠加而不牺牲过多的算力和空间资源。各类障碍规避算法通常能够对静止障碍、点障碍、凸面障碍完美避障,但在处理运动障碍、凹面障碍时经常遭遇各类异常错误,只能引入各类异常规则对算法进行修补,在算法执行过程中,难以适应各类复杂场景。其中,各类障碍物示意如图1 中所示。
1.2 SGTC和等距线轨迹
本文所设计的旋转避障策略基于自然界中带鞭毛细菌游走避障和觅食过程的原理。细菌在培养液中利用鞭毛顺时针或逆时针无规律游走,依靠感知环境中的食物信息素浓度加速或减速鞭毛的摆动速度,以此修正游走路线向信息素浓度最大的轨迹靠拢。基于细菌游走避障的觅食现象,设计无人艇的旋转避障策略过程为:
1)当感知范围内判定有障碍物时,开启旋转避障策略,判定自身与障碍间的最短距离,形成感知态势;
2)标记当前的行进方向,作为避障过程中判断是否退出的依据;
3)根据顺时针/逆时针的旋转方向设定,找到下一刻应到达的位置;
4)按照避障行进方向游走,采集并更新感知态势,以修正避障轨迹;
5)当判定目标方向可通行时,标记为已经完成对障碍物的规避,向原定目标方向行进。
本文采用混合表示法构建水域场景和障碍物,并模拟基于激光测距雷达的态势感知,获取无人艇周边感知半径范围内的水域信息。在无人艇执行旋转避障过程中,需要计算障碍与个体之间最近的距离,并进行旋转方向的判定。在旋转方向判定中,需结合进入障碍区域时的目标方向,根据方向旋转角度,确定下一刻SGTC的选取顺序。SGTC集合和等距线轨迹如图2 所示。
1.3 无人艇巡航任务
本文以集群无人艇作为巡航主体,对划定区域执行自主巡航游走任务。每隔10 min计算一次过去5 min内的划定水域巡航覆盖率。若覆盖率小于90%,则增派1艘无人艇参与巡航,否则,不再增派无人艇。无人艇能源储备达到10%以下则执行返航补给,补给位置为出发位置,补给时长为10 min。因此,可将无人艇的巡航行动划分为3个阶段:向目标行进阶段、动态避障阶段和返航补给阶段。无人艇的自主巡航任务如图3 所示。
1.4 无人艇数学模型
=Φ(φi)ωi
M +D(ωi)ωi=τi+τiw
式(1)为无人艇的运动学模型,Φ(φi)是USV船体坐标系与大地坐标系之间的转换矩阵, = 为USV的位置和方位向量, = 为USV的速度和角速度大小;式(2)为无人艇的动力学模型,M、D(ωi)分别为惯性矩阵和水动力阻尼矩阵,τi= 为无人艇的控制输入,τiw= 为环境干扰量。
2 避障算法设计
本文所提出的避障算法主要包括3个阶段:获取周边态势,确定旋转方向,生成避障轨迹。
1)无人艇时刻感知并生成以当前位置所在方格为中心的SGTC态势矩阵,基于态势矩阵判定是否采取避障行动;
2)判定若刚开始执行避障行动,通过当前无人艇与目标的方向,确定应采取的旋转避障方向;
3)根据旋转方向,分别实现向SGTC中心行进、向下一个SGTC行进、向下一个SGTC的中心行进。
2.1 感知周边态势
将水域场景划分为横向和纵向的方格矩阵,无人艇获取的周边态势信息包含水域场景的静态数据和当前时刻的动态数据。以每个方格为例,静态数据包含该方格性质描述,如“障碍”或“水域”信息。动态数据包含该方格此刻是否被其他无人艇占据的“障碍”信息或可执行旋转避障的“等距”信息。在无人艇向目标行进和返航补给过程中,需要时刻感知周边水域的静态和动态障碍物,并根据态势数据判定是否执行避障行动。获取SGTC态势矩阵的计算原理如图4 中所示。
SGTC矩阵的计算流程为:
1)获取感知矩阵中的障碍位置;
2)获取每个障碍方格的SGTC集合;
3)重复2),依次遍历感知矩阵中的所有元素,生成SGTC集合;
4)获取水域场景中的SGTC态势矩阵;
5)为每个方格匹配SGTC集合。若该方格是障碍或被其他无人艇占据,修订该位置为“障碍”。若该方格在SGTC集合中可查询,修订该位置为“等距”;
6)重复步骤5),依次遍历SGTC态势矩阵中的所有元素,输出SGTC态势矩阵。
2.2 确定旋转方向
SGTC态势矩阵的建立是为了防止无人艇在避障过程中触碰障碍,旋转方向的选择则是为了提升无人艇避障执行的效率。旋转方向与避障效率的关系示例如图5 所示。
设θ为目标方向,目标方向为第一列内容,以东向为0。选择概率为第2、3、4、5列内容,分别代表向上旋转、向下旋转、向左旋转、向右旋转。如目标方向为73°,在45°~90°之间,应选择向上旋转或向右旋转,概率各为50%。则旋转方向的选择概率p(θ)与目标方向θ的对应关系如表1 所示。
表1 选择概率与目标方向对应表Tab.1 Selection probability and target direction correspondence table |
| 目标/旋转方向 | 上/% | 下/% | 左/% | 右/% |
|---|---|---|---|---|
| 0 | 50 | 50 | 0 | 0 |
| 45 | 50 | 0 | 0 | 50 |
| 90 | 0 | 0 | 50 | 50 |
| 135 | 50 | 0 | 50 | 0 |
| 180 | 50 | 50 | 0 | 0 |
| 225 | 0 | 50 | 50 | 0 |
| 270 | 0 | 0 | 50 | 50 |
| 325 | 0 | 50 | 0 | 50 |
| 360 | 50 | 50 | 0 | 0 |
其他目标方向与选择概率的函数关系如图6 所示。
在明确方向的选择概率后,即可通过随机数根据目标确定性地找到旋转方向,而后根据旋转方向存储下一刻的SGTC选择数组。按照无人艇当前所处的方格位置,确定上、下、左、右4个备选SGTC作为下一刻的行进位置。旋转方向可对应选择上、下、左、右4种存储策略,每个存储策略与SGTC存储数组的对应存储策略见图7 。
2.3 生成避障轨迹
根据前述,避障过程可分为向SGTC中心行进、到达SGTC中心、向下一个SGTC的中心行进。
算法原理说明如图8 所示,避障轨迹生成的流程如下:
1)判断所处SGTC的状态。生成当前时刻的SGTC态势矩阵,判断所处位置的SGTC状态描述:若为“水域”,则向目标行进;若为“等距”,则启动避障行动,转入2);
2)判定是否刚启动避障行动。如是,则确定本轮动态避障行动的旋转方向;
3)判定当前SGTC的中心是否已被占据过。如还未被占据则转入4),否则转入6);
4)向当前SGTC的中心行进。根据无人艇与当前SGTC中心的距离判断是否已到达中心,若到达,则转入5);
5)判断是否退出避障。标记当前SGTC的中心已访问,根据此刻无人艇位置与目标之间方向,计算200 m后所处位置的状态描述是否为“水域”。若是,则判定已经避开障碍,结束避障行动并向目标行进;否则,转入6);
6)获取下一个SGTC的中心位置。通过旋转方向获取此刻的SGTC存储数组,依次检验数组内元素是否可通行;
7)向下一个SGTC行进。输出此刻无人艇与下一个SGTC的方向作为行进方向。
3 仿真实验及分析
本文通过三组仿真实验验证所提出基于细菌游走避障策略的无人艇自主巡航方法的有效性。首先,针对环境中的静态障碍物类型,设计了各种障碍物场景下的无人艇避障实验。然后,考虑移动障碍物对无人艇避障效果的影响,设计了静态和移动障碍物混合场景下的无人艇避障策略。最后,在水域场景中构建不同类型的障碍物,通过大规模的无人艇游走实现对划定水域的常态化巡航警戒。
3.1 各类障碍规避实验
为了检验本文算法对各类障碍的避障成功率,分别选取点障碍、凸面障碍、凹面障碍作为典型障碍,绘制无人艇的动态避障轨迹如图9 所示。
通过对比分析可知,本文提出的细菌游走避障算法能够完美规避点障碍、凸面障碍和凹面障碍,受障碍影响相对较少,效率较高。针对凹面障碍的凹面部分,能够贴近障碍边缘实现游走,在一段时间后规避障碍并向目标行进。无人艇集群在巡航过程中的动态避障轨迹如图10 所示。
3.2 同类方法对比实验
引入人工势场算法和单向旋转避障算法作为对比算法,在各类障碍中考察避障算法的执行情况。针对凹面障碍,本文所提算法和基于人工势场算法的执行情况如图11 所示。
通过对比分析可知,人工势场算法如不加辅助规则限制,很有可能陷入局部最优的情况,在没有友邻无人艇干预时很难跳出抖动状态。本文所提出的细菌游走避障算法在设计中规避了上述抖动位置和凹面拐角位置的限制,能够更有效地贴近障碍旋转行动。为了验证各算法在执行过程中的避障成功率和时间消耗,统计对于复杂障碍水域中各算法在5 000 s内的避障成功率和平均避障时间,对比效果如图12 所示。
3.3 集群常态化巡航实验
在避障算法基础上,设定无人艇集群的常态化巡航的行动准则,包含:1)环境迷雾规则:对水域场景的感知和显示只能在无人艇巡察半径范围内显示;2)定期返航补给规则:当无人艇的能源储备剩余低于满载储备的10%时,到达补给点周边100 m水域范围内补给能源,补给时长为10 min;3)动态增派无人艇规则:当划定水域在过去5 min内的巡航覆盖率小于90%时,每隔10 min增派1艘无人艇参与巡航;4)动态调整行驶速度规则:根据巡航覆盖率动态调整无人艇的行驶速度,当覆盖率小于90%时,增大行驶速度;5)动态行驶速度规则:若当前的巡航覆盖率大于97%,则降低行驶速度为USV全速的90%。设定动态调整行驶速度规则前后,无人艇的派出数量和巡航覆盖率随巡航时间变化如图13 所示。
通过对比分析可知,全速行驶的集群巡航,在15 031 s可达到10艘无人艇的巡航规模,而采用动态行驶速度后,10艘无人艇巡航规模延迟到2 325 s,明显提升了常态化巡航效果。从巡航覆盖率分析,全速巡航的覆盖率在72.17%至98.11%范围内波动,动态巡航的覆盖率在82.82%至98.84%范围内波动,动态巡航的整体波动明显更为平缓。
4 结束语
本文提出了一种基于细菌旋转策略的动态避障算法,将其应用到无人艇集群的常态化巡航行动中。本算法实现了对各类障碍的动态规避,并兼顾避障成功率和规避效率,能够与各类路径规划算法和集群任务算法叠加使用。同时,构建了无人艇的SGTC态势矩阵模拟激光测距雷达的态势感知过程,通过向SGTC中心行进、寻找下一个SGTC、向下一个SGTC中心行进的迭代游走策略生成动态避障轨迹,实现动态避障。最后,将本算法引入集群常态化巡航行动中,实现了对复杂水域场景的常态化、不间断、无人值守巡航警戒。今后将基于细菌避障策略的自主巡航算法进一步扩展到集群区域覆盖问题中。