近年来，无人船已广泛应用于海洋测绘、水文观测、通信中继和海上打击等。其自主航行的实现，在于建模与控制两大核心技术。然而，当前技术面临两大挑战，一是高速多航态精准建模难，高速无人船在排水、半滑行、滑行等多航行状态下，动力学特性呈现强非线性与多阶段等特点，传统物理模型难以精准适配；二是控制方法在可靠性与可解释性之间难以兼顾，基于确定性模型的控制方法鲁棒性差，而现有神经网络控制器通常缺乏物理建模，导致模型与控制的可解释性不足。
针对上述问题，团队依托自主研发的7米级高速无人船“久航750”（见图1），开展了系列航行试验，探讨解决上述物理-数据建模与学习控制关联等技术问题。
针对现有学习型控制架构中未考虑物理建模的不足，研究团队提出了一种基于库普曼物理模型—神经网络的混合建模与控制框架，该框架具备可解释性与准确性优势，实现了复杂海洋环境下无人船的可解释与高可靠性控制，并通过跟踪对比实验，验证了所提出的控制框架优于传统非线性控制方法，为无人船安全自主航行提供了新的技术支撑。
针对无人船低、中、高速多航态精确建模的问题，研究团队提出了一种基于混合核函数的高斯过程回归建模预报方法，使该无人船模型兼具捕捉平滑全局趋势和描述局部突变的能力，建立了适用于不同航态的无人船非参数化运动模型。实验验证了该模型精度优于传统GPR、BP和SVM等方法，为多航态无人船运动建模与预报提供了有效手段。
上述研究为无人船在复杂海洋环境下的自主航行与智能控制提供了新的建模工具与控制策略，将进一步推动无人船系统在海洋观测与作业中的应用。
扫描下方“知识星球”二维码（注：最好下载知识星球APP，以便顺畅阅读），加入“观海局”星球，获取一整年付费文章阅读权限（深海产业研报与分析、海洋学术动态、外文期刊杂志等），不用再一次次地付费。
免责声明: 本公众号部分内容来源于媒体、企业机构、网友提供和互联网等公开资料，仅供访问者个人学习、参考、研究、交流或欣赏之用，并已表明出处。如涉及版权等问题，请及时联系我们，我们将在第一时间妥善处理。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
杭州男子开1人公司靠AI月入200万：“完全不需要员工，大脑指挥AI干活”