毕业设计（论文）开题报告

明月湖场景下的无人船自主路径控制方法研究与实现

目录

一、课题的目的及意义

二、课题任务、重点研究内容及实现途径

1．国内外水面船只自主路径规划与控制算法研究现状

2．无人船在水上应用的作用与意义

3．无人船横向控制与纵向控制的相关文献调研

4．主流横纵控制系统及预瞄机制框架的研究

5.选定控制框架进行路径控制算法开发

1．文献调研

2．算法开发与实验分析

3．论文撰写

四、指导教师意见

一、课题的目的及意义

无人船（Unmanned Surface Vehicle，USV）是一种没有人员操控的船舶，能够根据预设的任务和指令自主进行航行和执行任务。无人船通常配备了各种传感器、导航系统和控制系统，以便实时感知周围环境、进行路径规划和避障，并能够与地面站或其他系统进行通信。无人船控制方式通常包括远程遥控和自主航行两种[10]。自主航行是指在航行过程中能够自主完成一系列导航、操纵和决策任务，无需过多人为干预。这包括了船舶自主路径规划、避障、动态航线调整以及应对不同的海况和交通状况等能力。自主航行通常依赖于先进的导航系统、传感器技术、实时数据处理以及自主决策算法。以现阶段国内外发展来看，无人船自主航行系统相关理论与技术仍不够成熟，仅限于实现固定或简单场景的自主航行[9]。

本课题旨在通过在明月湖的场景下深入研究水面船只的横向和纵向控制，通过研究当前主流横纵控制系统以及预瞄机制，结合水面问题，进行路径控制的算法开发。明月湖作为一个特定的环境场景，可能存在一些独特的路径控制难题，如湖面波动、岛屿、浮游物等。通过研究和实现针对明月湖场景的路径控制方法，可以解决这些特殊情况下的路径跟踪问题，提高无人船在该湖泊环境中的适应能力和稳定性动无人船技术的创新，提高水上交通、海洋勘测等领域的自主化水平，推动无人船技术在旅游和环境保护领域的应用。明月湖作为一个具有旅游价值和生态保护意义的景区，无人船在该场景中的应用具有潜在的价值。在解决明月湖场景下的路径控制问题的过程中，可能需要设计新的导航算法、路径规划策略以及环境感知和避障方法等。

如今，水面船只的自主路径规划与控制在当前科技发展背景下备受关注。随着无人船技术的迅速发展，其在海洋勘测、巡逻、货运等领域的广泛应用引起了广泛关注。

目前，国内外学者们已经提出了许多无人船自主路径控制的方法。其中，全驱动控制和欠驱动控制是两种主流的控制方法。全驱动控制包括航向控制、航速控制、轨迹跟踪控制以及路径跟踪控制[11]。欠驱动控制则包括基于反馈线性化的控制方法、基于滑模控制的控制方法、基于自适应控制的控制方法等。

柳晨光等人（2020）在算法设计层面将提出考虑水流干扰条件下的自适应视距制导算法以及基于LEM的自适应路径跟踪控制方法；系统实现层面将设计无人船路径跟踪控制系统架构，并解决MPC快速求解、系统状态采集与不可测状态观测问题[10]。并在试验验证阶段，搭建室外水池环境下的模型船路径跟踪控制试验平台，完成了自适应路径的需求，具有可靠性。

Alejandro等人（2023）对海上自主航行船舶的航迹跟踪控制系统，重点关注了引导子系统和控制子系统，总结并讨论了海上自主航行船舶航迹跟踪控制中最常用的技术，并进行了重点介绍[7]。

Wang,Wei et al(2020)提出了一种可扩展的合作控制方法，将一组刚性连接的自主表面船舶协调起来，在平面水环境中以单个浮动模块结构的形式跟踪期望轨迹[5]。该论文主要研究了多个连接表面船舶的分布式运动控制。在这项研究中，作者提出了一种用于控制多个相互连接的表面船舶的分布式控制方法。通过设计合适的控制算法和通信协议，使得多个表面船舶能够协同工作、协调运动，并保持一定的编队形态。该研究的目的是提供一种有效的方法来控制多个连接表面船舶，以实现协同任务执行、资源共享和信息交换等目标。这对于一些需要多个船舶协同工作的应用场景非常重要，例如海洋勘测、救援任务、环境监测[4]。

Lou,Jiankun等人应用深度学习方法对受到海流和波浪影响的实际海洋环境下的三自由度运动进行建模预测。验证了带角度特征和三角函数特征的网络对环境因素（如风、浪和海流）的影响进行识别，还进一步讨论了激活函数的选择[6]。该论文重点是开发一种基于真实海上机动性测试的深度学习方法，用于预测无人表面船舶（USV）的三自由度（浮动、横摇和偏航）运动。作者提出了一个深度学习框架，利用真实海上机动性测试数据训练预测模型，能够准确预测USV的运动情况。

无人船自主路径控制是一个备受关注和专研的领域，吸引了许多研究人员投入努力和时间，研究和实现无人船的自主路径控制方法对提高安全性、增强效率、拓展应用领域和推动技术发展都具有重要的意义。这将促进无人船技术的应用和推广，并为海洋和水域任务提供更加可靠和高效的解决方案。

而明月湖场景下的无人船自主路径控制方法研究与实现的目的和意义在于提高无人船的自主性和智能化水平，解决明月湖场景下的路径控制难题，推动无人船技术在旅游和环境保护领域的应用，以及推动无人船技术的发展和创新。

二、课题任务、重点研究内容及实现途径

（一）课题任务

本课题旨在研究水面船只的自主路径规划与控制算法，特别关注无人船在水上应用的作用与意义。任务主要包括调研国内外水面船只自主路径规划与控制算法现状，深入了解无人船在当前应用场景下的重要性，并针对无人船的横向控制与纵向控制进行详细研究。

（二）重点研究内容

1．国内外水面船只自主路径规划与控制算法研究现状

综合考察目前国际上与国内水面船只自主路径规划及控制的主要研究成果，了解不同算法的优劣和应用场景。

2．无人船在水上应用的作用与意义

分析无人船在水上应用的实际需求，探讨其在海洋勘测、巡逻、货运等方面的作用，以及在环境监测和资源管理等领域的意义。

3．无人船横向控制与纵向控制的相关文献调研

深入研究无人船横向（横摆）和纵向（纵荡）控制方面的文献，了解现有的控制方法、挑战和解决方案。

4．主流横纵控制系统及预瞄机制框架的研究

调前水面船只主流的横纵控制系统，重点关注预瞄机制的应用，了解其在提高船只操纵性能方面的优势。

5.选定控制框架进行路径控制算法开发

水面场景下的问题特点，选择合适的控制框架进行路径控制算法的开发，确保其在实际应用中具有高效性和可靠性。

（三）实现途径

1．文献调研

使用多种文献检索工具，包括数字图书馆检索工具和互联网搜索引擎。

（1） 深入研究无人船横向控制和纵向控制的相关文献，包括控制算法、控制器设计、传感器技术等方面的研究成果。

（2） 调研当前主流的无人船横纵控制系统，包括控制器架构、传感器配置、控制策略等方面。

（3） 研究预瞄机制框架，了解其在路径规划和船只控制中的应用，包括路径预测、障碍物避让等方面的算法和方法。

2．算法开发与实验分析

根据研究的文献资料，选定控制框架，并进行路径控制算法的开发。通过自主路径控制的算法设计、系统实现和实验验证的三个层面进行实现。

具体而言,根据明月湖场景下的特点、如湖泊大小、水流情况、风向风速等，了解无人船的动力学特性和运动方程[2]，基于NMPC跟踪控制方法[3]，结合不确定动力学模型传播控制[1]，从A*算法、Dijkstra算法、RRT算法、MPC算法、PID控制算法中选择适用的算法，并进行改进和定制化，或结合领域内的最新研究成果和技术趋势，使用深度学习、强化学习等前沿算法来进行无人船路径规划实现；针对明月湖场景的船只路径控制算法，并考虑横向控制和纵向控制的综合优化。然后，在仿真环境中实现所提出的船只路径控制方法，模拟明月湖场景并进行实验分析。评估所提出方法的控制性能、路径规划准确性和适应性，通过与现有方法的对比验证算法的优势和有效性。

3．论文撰写

按照毕业设计规范文件和规定，撰写论文。在论文中详细阐述研究背景、目的、方法、实验结果和结论，确保文献综述充分、方法切实可行、结果科学可靠。

参考文献：

[1] Sonnenburg, Christian R., and Craig A. Woolsey. 2013. ‘Modeling, Identification, and Control of an Unmanned Surface Vehicle: Modeling, ID, and Control of a USV’. Journal of Field Robotics 30(3): 371–98.

[2] Wang, Wei et al. 2018. ‘Design, Modeling, and Nonlinear Model Predictive Tracking Control of a Novel Autonomous Surface Vehicle’. In 2018 IEEE International Conference on Robotics and Automation (ICRA), Brisbane, QLD: IEEE, 6189–96. https://ieeexplore.ieee.org/document/8460632/ (August 17, 2022).

[3] Wang, Wei, Zijian Wang, et al. 2020. ‘Distributed Motion Control for Multiple Connected Surface Vessels’. In 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Las Vegas, NV, USA: IEEE, 11658–65. https://ieeexplore.ieee.org/document/9340743/ (August 17, 2022).

[4] Wang, Wei, Tixiao Shan, et al. 2020. ‘Roboat II: A Novel Autonomous Surface Vessel for Urban Environments’. In 2020 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Las Vegas, NV, USA: IEEE, 1740–47. https://ieeexplore.ieee.org/document/9340712/ (August 26, 2022).

[5] Lou, Jiankun & Wang, Hongdong & Wang, Jianyao & Cai, Qing & Yi, Hong. (2022). Deep learning method for 3-DOF motion prediction of unmanned surface vehicles based on real sea maneuverability test. Ocean Engineering. 250. 111015. 10.1016/j.oceaneng.2022.111015.

[6] Soares X H .海上自主水面船舶（MASS）路径跟踪控制系统综述（英文）[J].Journal of Marine Science and Application,2023,22(02):153-171.

[7] 徐郑攀.基于双环模糊-自抗扰的单喷推高速无人艇自主控制技术研究[D].华南理工大学,2022.DOI:10.27151/d.cnki.ghnlu.2022.000605.

[8] 柳晨光, 初秀民, 毛庆洲, 等. 无人船自适应路径跟踪控制系统[J]. 机械工程学报, 2020, 56(8): 216-227.

[9] 柳晨光，初秀民，吴青，等. USV 发展现状及展望[J]. 中 国造船，2014，55(4)：194-205.

[10] 裴志远,戴永寿,李立刚,等.无人船运动控制方法综述[J].海洋科学, 2020, 44(3):10.

学生签名：

年     月     日

四、指导教师意见

指导教师签名：

年     月     日