无人驾驶船将针对水面船舶无人驾驶技术进行研究

发布日期:2021-05-10 11:09:18   浏览量 :483
unknown unknown 发布日期:2021-05-10 11:09:18  
483

    从陆地到水面,无人驾驶技术迎来更大发展空间。

    近年来,5G技术及人工智能行业的快速发展,推动无人驾驶以及智能化机器人领域接连出现重大突破。各大科技公司开始涉足智能汽车行业,并且在无人驾驶技术的智能化、安全性方面稳步推进,力求实现真正的“无人驾驶”。

    水面作为除空中、陆地外的另一大应用场景,水面无人驾驶技术也逐渐受到更多的关注。但不同于传统路面无人驾驶,水面场景下的无人驾驶具有其特有的问题与挑战。与当下热门的路面无人驾驶系统相似,水面无人驾驶系统同样由感知、决策、控制三大模块构成。   
    对于控制系统而言,除了需要接收决策模块的路径信息,同时需要接收感知模块的导航信息,经过控制系统内部处理后,输出执行机构的执行指令,完成运动控制。

    在水文测绘,水质监测等传统无人船应用行业,导航与控制往往使用点对点式的导航模式实现开阔区域下的遍历与行驶,这大大简化了系统的输入并降低了控制设计难度。但近年来在城市内河运输、沿岸清扫与巡检等新兴模式的驱动下,水面自动驾驶下的曲线导航与控制技术愈发凸显其重要性。

水面无人驾驶控制难点在哪?

    水面环境相对陆面极其不稳定,不论是环境中风引起的水流变化,还是桨叶转动带来的水体波动,都会增加水面船舶的控制难度,需要针对这些因素给出相对应的解决方案。

如下图所示,对于控制系统而言,无论是经典的PID控制算法,还是现代的LQR控制、MPC控制等等,控制系统的目标总是消除误差。为了实现这个目标,就要求实现以下两点:

1.传感器测量的信息要准确;2.控制系统设计适应于机体的特性。

    对于机体而言,无人车、无人船通过油门和转向在平面上仅能进行机体方向的纵向运动和转向运动,并不能实现机体的横向平动。在学术上,这类控制输入自由度少于系统自由度的系统称为欠驱动系统(under-actuated system)。但是欠驱动系统不一定是不可控的系统。欠驱动系统也不意味着系统无法到达状态空间中的某些位置,而是意味着系统不能以任意的轨迹去达到目标位置。有时候,欠驱动系统需要采用极其复杂的轨迹才能达到目标位置。直观的讲,无人车无人船希望能从A点到达路线r上,必须经由图示的一个切线路线,而对于六旋翼无人机,它可以直接横向平移即可到达路线r。
    欠驱动系统的控制问题一直是近年来学术研究的热点和难点。但无人船与无人车又不相同的是,水中航行阻力具有更强的非线性耦合和模型参数不确定性的特点,这为船舶控制器的设计带来很多困难。

传统点对点式的无人船导航模式下,控制系统只需要关注距离目标点的距离,在平静水流下其路线是一条直达目标的直线,但是在横向水流作用下,其路线往往会变得弯曲。

    对于曲线控制而言,控制系统不仅需要关注路线的垂直距离,同时还需要调整机体的姿态,尽量贴近曲线切线方向。

    在路面无人驾驶系统中,往往采用纵向控制器与横向控制器配合的方式实现车体的控制。相当于纵向控制器不关注路径方向仅控制油门踏板来控制车辆的速度,而横向控制器仅操纵方向盘完成路径方向的跟踪。这种“两个司机开一辆车”的方式,虽然看上去不合常理,但是由于车辆常规转弯限制角度较小(一般在30度内),横纵耦合效应较弱,可以将复杂的轨迹跟踪分解为两个独立的子问题,有助于降低问题的复杂度并有利于控制系统的设计。

    横纵分离的精确控制方案虽然对于无人车有利,但是在水面环境下应用却有着以下三个较大的缺陷:

(1) 船只横纵耦合效应突出

    无人船相比于无人车而言,行驶速度大大降低。在这种低速状态下,横纵耦合现象十分突出。例如过弯时,船只转弯会明显产生纵向制动效果。在船只曲线运动时,不能基于各自独立的横纵动力学模型进行控制器设计。

(2) 控制约束范围需要横纵动力学共同确定

    在路径规划或者MPC控制的预测层面,需要基于控制约束范围确定期望轨迹及对应控制量。控制约束范围决定了控制量的可行空间,通俗来讲就是在安全行驶范围和船只性能之间确定控制量。一些控制约束范围可以基于横/纵单个方向的特征描述,如油门/转弯上下限约束等;但也有一些控制约束范围必须要横、纵两个方向特征共同确定,如最大向心加速度约束(横向转角与纵向速度共同参与)等。横纵分离控制方案中,横、纵控制算法各自拥有独立的求解空间,无法描述横纵联合参与的行驶约束。以最大向心加速度约束为例,横纵分离方案中的横向控制只能通过抑制转向角,不能通过纵向减速来避免向心加速度越限,实际丢失了一部分可行解。

(3) 横纵分离会导致控制效果顾此失彼

    轨迹跟踪看重的是横纵两个方向的综合跟踪性能指标,而两个单向指标存在一定的竞争关系。横纵分离的控制方案中,横纵控制控制各自为政,分别只盯着一个方向的跟踪性能指标,某些场景下可能顾此失彼、出现横纵跟踪性能失衡的结果。

    如高速过弯时,纵向控制若严格地跟踪目标速度,会提高横向控制在时间和角度上的精度要求,增大横向误差。但如果从统筹的角度来看,此时的纵向跟踪应适当让步,放松对速度精度的要求,在横向上换取更多的性能改善,使得综合性能得到提升。

    除了以上三点,相对于路面对无人车的影响,水流对无人船只的影响更为明显。无人车的车辆轮胎与地面产生的摩擦阻力相对于车辆的动力而言,往往相对较小,并且阻力的变化范围也相对较小。但是对于无人船只,水流的影响往往与船只运动状态息息相关,并具有非线性强耦合的特性。一个很直观的感受是,当船只速度较大时,阻力也往往有较为剧烈的变化,并且阻力的变化往往是与速度呈高次幂相关的。   
    对清洁用途的无人船只而言,随着船体内部垃圾量的增多,船体自身的动力学参数会发生较大且难以预测的变化,这对于基于精确模型的控制器设计方法(如MPC方法、LQR方法等)带来了较大困难。
当然这些问题并不是无解,一个好的控制系统,能否应对这些场景中存在的相关问题,实现一种高精度、高稳定的控制,就成为评判这个系统实力的指标了。

    针对上述水面无人船控制面对的困难和问题,进行了多年深入研究,并取得了一定成果,包含了自主研发的控制算法的水面自动驾驶系统,已经在一些实际场景中进行了应用。此外,随着当前无人船只的快速、广泛铺设落地,实际检验和落地的场景大大丰富,采集到大量的实验数据,并依次检验和迭代当前的无人驾驶系统,形成一套完整、精确的水面无人船只控制解决方案。


系统
控制
无人驾驶
横向
地址:北京市顺义区天竺空港工业区A区天纬四路7号国展智园A座403室