CN115268395A - 一种无人船艇编队自主航行能力测试方法及系统 - Google Patents

Abstract

本发明提供一种无人船艇编队自主航行能力测试方法及系统。本发明方法，包括对无人艇编队自主航行智能算法进行虚拟测试，并对虚拟测试结果进行评估；若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟‑实船测试，并对虚拟‑实船测试结果进行评估；若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试；若实船测试满足编队智能航行要求，则测试结束。本发明构建了一种虚实融合的编队测试系统，以虚拟指引实际，虚实交互取长补短，层层递进，实现低风险、低成本、高可靠性、高复现性的无人艇编队功能测试方法。

Description

一种无人船艇编队自主航行能力测试方法及系统

技术领域

本发明涉及无人船艇编队自主航行能力测试技术领域，具体而言，尤其涉及一种无人船艇编队自主航行能力测试方法及系统。

背景技术

机器人技术、通信导航技术、人工智能以及计算机等技术在无人艇运动控制领域的快速发展，无人艇编队控制被广泛应用于水质监测、气象监测、水产养殖以及军事等领域。与单无人艇水面作业相比，多无人艇编队通过在航行过程中形成动态网络，多艘无人艇之间进行信息交互，可有效提高作业效率和系统的容错性，保证任务的完成度。随着无人艇编队研究从理论研究转向工程应用，船艇测试技术承担着保障无人艇编队研究从理论走向现实的重要任务。当下，无人艇编队测试相关方法还未形成完整体系，亟需构建无人艇编队测试方法体系；且传统无人艇编队测试相关的技术具有测试时间长、高风险性和高成本性，已无法满足行业发展的需要。

当下无人艇编队控制理论的研究已相当成熟，随着无人艇编队技术的研究从理论逐渐过渡到实际应用中，针对无人艇编队测试的研究较少，仍处于原理验证阶段，尚未形成较为成熟的研究成果。另外具备完整功能的无人船也尚未推向市场，亟需构建完整的无人艇编队航行功能测试验证方法，来支撑无人艇编队的研发与应用。但是尺度无人船在实海域进行编队功能测试，效率低且成本高，甚至会给测试对象自身以及周边通航船舶带来较大的不可控风险。

发明内容

根据上述提出的技术问题，提供一种无人船艇编队自主航行能力测试方法及系统。本发明构建了一种虚实融合的编队测试系统，以虚拟指引实际，虚实交互取长补短，层层递进，实现低风险、低成本、高可靠性、高复现性的无人艇编队功能测试方法。

本发明采用的技术手段如下：

一种无人船艇编队自主航行能力测试方法，包括：

对无人艇编队自主航行智能算法进行虚拟测试，并对虚拟测试结果进行评估；

若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，并对虚拟-实船测试结果进行评估；

若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试；

若实船测试满足编队智能航行要求，则测试结束。

进一步地，所述对无人艇编队自主航行智能算法进行虚拟测试，具体包括：

通过虚拟现实技术，将真实船艇和真实海洋航行环境进行虚拟化建模，对真实世界镜像仿真，构建虚拟测试场；

通过数字孪生技术，将雷达、视觉感知、AIS艇载传感器采集的真实航行数据进行数字化处理，构建虚拟数字孪生世界；

将虚拟船艇交由算法操控，以虚拟指引实际，实现无人艇编队控制算法测试，最后对测试结果依据航行安全规则进行评价。

进一步地，所述若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，具体包括：

将测试船艇由虚拟船替换成实船或者模型船，通过改变虚拟场景内三维物标的数量和分布，改变场景的复杂度，以增加测试场景的实用性和丰富度；

将虚拟场景内部信息以艇载传感器的接口形式输出至实船，将虚拟测试场景中的海洋航行环境数据和真实船艇编队的实时航行状态信息作为算法端的输入，算法输出端控制实际船艇编队的航行。

进一步地，所述若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试，具体包括：

依据被测多无人艇编队的船型、规格计算所需通航空间，对所需实船测试场进行规划和建设；

将真实多船艇编队置于真实的海洋测试场景中，将真实船艇的实时运动状态和控制设备信息航行状态信息传递至编队智能算法客户端，算法输出端控制实际船艇编队的航行。

进一步地，所述评估结果满足编队智能航行要求，具体包括：

编队路径规划算法、编队避障算法、编队感知算法、编队队形控制算法操控船艇的单项基本能力和综合高级能力达到安全性、可靠性和准确性要求。

进一步地，所述对虚拟测试结果进行评估，具体包括：

对编队路径规划算法、编队避障算法、编队感知算法、编队队形控制算法进行单项基本能力的评估和综合高级能力的评估。

进一步地，所述对虚拟-实船测试结果进行评估，具体包括：

确定评价对象的因素集和评语集，对各因素的权重进行评定，进而构建隶属度矩阵，计算综合评价结果，最后对综合评价结果进行归一化处理。

本发明还提供了一种基于上述无人船艇编队自主航行能力测试方法的无人船艇编队自主航行能力测试系统，包括：虚拟模型生成模块、虚拟场景生成模块、虚拟信息采集模块、虚拟信息处理模块、实船信息采集模块、算法端模块、数据存储模块、高清显示模块、实船模块、评估模块；其中：

虚拟模型生成模块，采用三维建模技术设计三维虚拟船艇编队模型、海上助航航标三维虚拟物标模型、三维虚拟港口建筑模型，根据实际无人船对虚拟船艇形状、大小、编队数量信息进行选择设置，为三维虚拟船艇构建Nomoto/Norrbin/MMG操纵运动数学模型；

虚拟场景生成模块，将真实、动态的交通流信息导入虚拟世界中，构建弯曲航道、受限水域、开阔水域、连续桥区航段，加入风、浪、流、涌环境扰动随机数据和雨、雪、雾能见度数据，生成船艇编队队形控制、避障、过桥等虚拟航行场景；

虚拟信息采集模块，对虚拟测试场景中的静态障碍物位置、半径信息、动态障碍船的位置、航向、航速等信息和虚拟目标船的实时动态信息进行采集；

虚拟信息处理模块，将虚拟场景中的障碍物、无人艇编队、海洋航行环境等虚拟信息以电子海图、惯导、视觉感知艇载传感器的接口形式输出；

实船信息采集模块，利用摄像头、雷达等艇载传感器对真实世界中的障碍物信息、目标船实时动态信息进行采集；

算法端模块，接收虚拟信息处理模块传输的虚拟场景内部信息或者真实世界中的海洋航行环境信息，经过算法端模块算法的信息融合处理，对虚拟场景中的虚拟船艇编队或者真实场景的船艇编队进行控制；

数据存储模块，将虚拟信息采集模块采集的虚拟信息和实船信息采集模块的采集的真实信息存入数据库中保存；

高清显示模块，将测试过程和实时信息以视频、曲线和数据的形式进行显示；

实船模块，为无人艇编队虚实融合测试海上测试对象；

评估模块，为对由无人艇编队控制算法操控的虚拟船艇编队或真实船艇编队的虚拟信息采集模块和实船信息采集模块，所采集的数据经计算处理后进行评价，以此判断编队相关算法的智能程度。

较现有技术相比，本发明具有以下优点：

1、本发明提供的无人船艇编队自主航行能力测试系统，具备数据记录功能，即将在测试过程中的虚拟海洋航行环境信息如静态障碍物位置、半径，动态障碍船位置、速度、航向等信息和虚拟船艇编队各实时信息进行数据存储。

2、本发明提供的无人船艇编队自主航行能力测试系统，具备数据展示功能，能够实现直观的界面展示，通过视频和图表的展示，将整个测试过程进行可视化显示，还可以观察航向、航速、舵角等动态数据和显示曲线。

3、本发明提供的无人船艇编队自主航行能力测试系统，具备动态绘制图形功能，即通过采集到的信息实时动态的绘制航向、航速等曲线，同时可以显示航行的轨迹，直观的观察编队的队形控制。

4、本发明提供的无人船艇编队自主航行能力测试方法，具有可靠精确的指标计算方法，即通过采集到的信息和相关指标评价方法计算指标数据，判断无人艇编队控制算法的智能程度。

5、本发明提供的无人船艇编队自主航行能力测试方法，其虚拟测试场景生成具有方便快捷性、可重复性，通过设置虚拟测试场景中海洋环境参数信息、布置三维虚拟模型数量、位置等，改变虚拟场景的复杂度，达到快速便捷的测试目的。

基于上述理由本发明可在无人船艇编队自主航行能力测试等领域广泛推广。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明无人艇编队虚实融合测试与评估系统测试流程图。

图2为本发明无人艇编队虚实融合测试与评估系统结构组成图。

图3为本发明无人艇编队虚实融合测试与评估系统原理图。

图4为本发明实施例提供的无人艇编队评测模型。

图5为本发明实施例提供的无人艇编队仿真平台组成图。

图6为本发明实施例提供的无人艇编队仿真平台逻辑架构。

图7为本发明实施例提供的无人艇编队仿真平台数据流示意图。

具体实施方式

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当清楚，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员己知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任向具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

在本发明的描述中，需要理解的是，方位词如“前、后、上、下、左、右”、“横向、竖向、垂直、水平”和“顶、底”等所指示的方位或位置关系通常是基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，在未作相反说明的情况下，这些方位词并不指示和暗示所指的装置或元件必须具有特定的方位或者以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制：方位词“内、外”是指相对于各部件本身的轮廓的内外。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其位器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。

如图1所示，本发明提供了一种无人船艇编队自主航行能力测试方法，包括：

S1、对无人艇编队自主航行智能算法进行虚拟测试，并对虚拟测试结果进行评估；

具体实施时，作为本发明优选的实施方式，所述步骤S1中，对无人艇编队自主航行智能算法进行虚拟测试，具体包括：

通过虚拟现实技术，将真实船艇和真实海洋航行环境进行虚拟化建模，对真实世界镜像仿真，构建虚拟测试场；

通过数字孪生技术，将雷达、视觉感知、AIS艇载传感器采集的真实航行数据进行数字化处理，构建虚拟数字孪生世界；

将虚拟船艇交由算法操控，以虚拟指引实际，实现无人艇编队控制算法测试，最后对测试结果依据航行安全规则进行评价。

具体的操作过程如图1所示，首先对编队船艇编队数量及船艇的规格设置，其次对测试场景的环境参数进行设置以生成需要的虚拟测试场景，将虚拟测试船艇交由算法端控制，最后对测试结果依据航行安全规则进行计算评估，整个测试过程及航行数据由高清显示端模块进行可视化显示，并将采集的数据进行存储。

S2、若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，并对虚拟-实船测试结果进行评估；

具体实施时，作为本发明优选的实施方式，所述步骤S2中，若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，具体包括：

将测试船艇由虚拟船替换成实船或者模型船，通过改变虚拟场景内三维物标的数量和分布，改变场景的复杂度，以增加测试场景的实用性和丰富度；

将虚拟场景内部信息以艇载传感器的接口形式输出至实船，将虚拟测试场景中的海洋航行环境数据和真实船艇编队的实时航行状态信息作为算法端的输入，算法输出端控制实际船艇编队的航行。

将虚拟场景中海洋航行环境与实际无人艇编队进行信息交互，测试场景易于生成且可重复操作，为进行无人艇编队测试提供了理想的测试环境。

具体操作过程如图1所示，算法端接收虚拟测试场景内的障碍物信息等虚拟海洋航行环境数据及真实的风浪扰动信息，经过数据的整合处理后控制多无人艇编队的航行，最后对测试结果依据航行安全规则进行计算评估，整个测试过程及航行数据由高清显示端模块进行可视化显示，并将采集的数据进行存储。

S3、若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试；

具体实施时，作为本发明优选的实施方式，所述步骤S3中，若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试，具体包括：

依据被测多无人艇编队的船型、规格计算所需通航空间，对所需实船测试场进行规划和建设；实船测试场内应包含通信基站、测试用浮码头、实船码头、应急救助拖轮、测试水域标注物或航标、模拟桥梁、模拟障碍物、模拟在行船艇等基本设备。

将真实多船艇编队置于真实的海洋测试场景中，将真实船艇的实时运动状态和控制设备信息航行状态信息传递至编队智能算法客户端，算法输出端控制实际船艇编队的航行。在进行实船编队测试时，由真实的海洋环境施加风、浪、流、能见度等外界干扰，无人艇编队根据真实的航行情境进行决策和控制。

S4、若实船测试满足编队智能航行要求，则测试结束。

具体实施时，作为本发明优选的实施方式，所述对虚拟测试结果进行评估，具体包括：

对编队路径规划算法、编队避障算法、编队感知算法、编队队形控制算法进行单项基本能力的评估和综合高级能力的评估。

具体实施时，作为本发明优选的实施方式，所述对虚拟-实船测试结果进行评估，具体包括：

确定评价对象的因素集和评语集，对各因素的权重进行评定，进而构建隶属度矩阵，计算综合评价结果，最后对综合评价结果进行归一化处理。本发明采用基于可拓展层次分析法的模糊综合评价方法，具体的评估方法步骤如下：

步骤1：确定因素集和评语集。因素集表示被评价对象的评价因素合集，若因素有n个，可以表示为U＝{u₁,u₂,...,u_n}；评语集是指有限个模糊评定(如优、良、中、差)的合集，依据实际情况可将评语分为m个等级，该评语集表示为V＝{v₁,v₂,...,v_m}。

步骤2：确定权重分配。因素集中各因素都有着不同的重要性，所以必须采取一定的方法对各因素的权重进一步评定，无人艇编队的自主航行能力评价指标满足层次分析法，同时具有定量因素与定性因素并存的特点，存在不确定性，比较适合采用层次分析法与模糊综合评判法相结合的方法进行绿色度评价。但是传统的层次分析法中，存在以下不足之处：

(1)判断矩阵没有弹性。构造判断矩阵是层次分析法中关键的步骤。通过确定指标因素的权重主要是通过两两比较评价指标构造的判断矩阵。这种方法虽然简明直观，但是在进行判断矩阵构造时,没有考虑人们判断的模糊性。

(2)需要一致性检验。若一致性检验不满足要求，要重新构造判断矩阵并计算相应权重矢量，直至一致性检验满足为止。在实际中，一般都凭大致估计来调整判断矩阵，带有一定盲目性，并且需要经过多次调整才能通过一致性检验。为了解决上述问题，本发明采用可拓层次分析法(Extension analytic hierarchy process,EAHP)与模糊综合评价相结合的方法，本方法将可拓展层次分析法引入可拓展理论，用区间数代替点值数构造可拓展判断矩阵，克服了层次分析法在解决专家经验判断的模糊性问题。将指标权重计算与判断矩阵一致性检验结合进行，并考虑专家判断的模糊性和多位决策者的实践经验，不需要判断矩阵的一致性，有效避免了层次分析法中的大量试算工作。这样既能保证专家判断结果的真实性，又能保证判断矩阵的一致性，使得确定的无人艇编队自主航行能力各个评价指标的权重更加合理。具体的，可拓展层次分析法步骤包括：

步骤一、构造可拓判断矩阵

建立判断矩阵的过程就是标量化的过程。标量化是指通过一定的标度体系，将各种原始数据转化为可直接比较的规范化格式的过程。本发明采用SAATY提出的互反性1-9标度法作为可拓区间层次分析法的标量化方法。在某一准则下，专家对隶属于同一层次的无人艇编队各评价指标之间的相对重要性进行两两比较，构建可拓区间判断矩阵A＝(a_ij)_n×n,i,j＝1,2…,n为正互反矩阵，其中，

是一个可拓区间数，

分别为判断矩阵第i行第j列可拓区间元素的上、下端点。

步骤二、计算综合可拓判断矩阵的权重

对可拓区间数判断矩阵A＝＜A^-,A⁺＞，其中A^-为区间下端点构成的矩阵，A⁺为区间上端点构成的矩阵，求其满足一致性条件的权重：

①A^-，A⁺的最大特征值所对应的具有正分量的归一化特征矢量x^-，x⁺。

②由

计算k和m的值，其中

式中，k和m分别为满足0＜kx^-≤mx⁺的全体正实数；其中i,j＝1,2,…,n。

③判断矩阵的一致性。若0≤k≤1≤m，则说明可拓区间判断矩阵的一致性较好。但一致性程度过低时应采取措施校正判断矩阵或让专家重新判断，直到满足要求。

④求出权重量

S＝(S₁,S₂,…,S_nk)^T＝＜kx^-,mx⁺＞

式中，S_nk为第k层，第n个因素对上一层次的某个因素的可拓区间权重量。

步骤三、层次单层排序

设

如果V(S_i,S_j)≥0(i≠j)表示S_i≥S_j的可能性程度，则

式中，i,j＝1,2,…,n,i≠j,P_i表示某层上第i个因素对上一层次上的某个因素的单排序，经归一化后得到的P＝(P₁,P₂,…,P_n)^T表示某层上各因素对上一层次上的某个因素的单排序权重矢量；

表示两个单层权重矢量可拓区间数的上下端点。

步骤四、层次总排序

在求出所有

以后，其中k为第k层，h为第h个当h＝1,2,…,n_k-1时，得到n_k×n_nk-1阶矩阵：

如果k-1层对总目标的排序权重矢量为

那么第k层上全体元素对总目标的合成排序由下式给出W^k：

并且一般地有W^k＝P^kP^k-1…P³W²，这里W₂实际上就是单项排序矢量。

步骤3：构建隶属度矩阵。一般情况下，隶属度r_ij表示评价主体对被评价对象在u_i指标下进行v_j评价的可能性大小。隶属度向量为R_i＝(r_i1,r_i2,...,r_im)，i＝1,2,3...,n，且满足

其隶属度矩阵为

步骤4：计算综合评价结果。在确定了权重向量w和隶属度矩阵

的基础上，进行计算综合评价的结果

步骤5：归一化处理。为使综合评价的结构具有可比性，最后对综合评价结果进行归一化处理，计算公式为：

本申请实施例还提供了一种基于上述无人船艇编队自主航行能力测试方法的无人船艇编队自主航行能力测试系统，包括：虚拟模型生成模块、虚拟场景生成模块、虚拟信息采集模块、虚拟信息处理模块、实船信息采集模块、算法端模块、数据存储模块、高清显示模块、实船模块、评估模块；其中：

虚拟模型生成模块，采用三维建模技术设计三维虚拟船艇编队模型、海上助航航标三维虚拟物标模型、三维虚拟港口建筑模型，根据实际无人船对虚拟船艇形状、大小、编队数量信息进行选择设置，为三维虚拟船艇构建Nomoto/Norrbin/MMG操纵运动数学模型；

虚拟场景生成模块，将真实、动态的交通流信息导入虚拟世界中，构建弯曲航道、受限水域、开阔水域、连续桥区航段，加入风、浪、流、涌环境扰动随机数据和雨、雪、雾能见度数据，生成船艇编队队形控制、避障、过桥等虚拟航行场景；

虚拟信息采集模块，对虚拟测试场景中的静态障碍物位置、半径信息、动态障碍船的位置、航向、航速等信息和虚拟目标船的实时动态信息进行采集；

虚拟信息处理模块，将虚拟场景中的障碍物、无人艇编队、海洋航行环境等虚拟信息以电子海图、惯导、视觉感知艇载传感器的接口形式输出；

实船信息采集模块，利用摄像头、雷达等艇载传感器对真实世界中的障碍物信息、目标船实时动态信息进行采集；

算法端模块，接收虚拟信息处理模块传输的虚拟场景内部信息或者真实世界中的海洋航行环境信息，经过算法端模块算法的信息融合处理，对虚拟场景中的虚拟船艇编队或者真实场景的船艇编队进行控制；

数据存储模块，将虚拟信息采集模块采集的虚拟信息和实船信息采集模块的采集的真实信息存入数据库中保存；

高清显示模块，将测试过程和实时信息以视频、曲线和数据的形式进行显示；

实船模块，为无人艇编队虚实融合测试海上测试对象；

评估模块，为对由无人艇编队控制算法操控的虚拟船艇编队或真实船艇编队的虚拟信息采集模块和实船信息采集模块，所采集的数据经计算处理后进行评价，以此判断编队相关算法的控制能力。

实施例

无人艇编队的自主航行能力不能孤立地研究，它是由多无人艇编队、任务、环境三者共同作用的结果。在本实施例中，建立了任务复杂度、环境复杂度、人工干预程度三坐标轴无人艇编队的评测模型。根据无人船的表现确定评测模型的三坐标，由三坐标所围成图形的面积可以直观的确定无人艇编队辆自主航行能力的高低。无人艇编队、环境和任务组成了一个复杂的、交互的系统，对无人艇编队-环境-任务交互以及由此产生的多船艇编队的航行行为进行研究。

本发明依据无人艇编队所处的环境复杂度，完成任务的复杂度和人工干预程度建立了无人艇编队评测模型，无人艇编队评测模型如图4所示。无人艇编队自主航行水平由三个方面来确定：任务复杂度(完成任务的数量，任务难易程度)、环境复杂度(能见度情况，航道类型，光照，天气，障碍物以及外界干扰等)、人工干预程度(全程人工干预所占比率)。每一个坐标轴代表着一个方面，组成了三坐标轴的无人艇编队评测模型。根据无人船艇的表现确定评测模型的三坐标，由三坐标所围成图形的面积可以直观的确定无人艇编队自主航行能力的高低。

为实现无人船艇编队虚实融合测试与评估系统的功能与逻辑，我们设计并搭建了无人艇编队仿真平台，该平台分为艇上系统和地面系统两部分，其中艇上系统包括艇载任务子系统、编队控制子系统、通信子系统和导航子系统；地面系统包括地面任务子系统、人机交互子系统、通信子系统和评估子系统共四部分。其平台组成如图5所示。艇载任务子系统作为无人编队系统的主要验证对象，用于模拟实际无人艇编队系统的任务协调与分配。包括任务分配、任务跟踪、任务协同、环境探测、目标识别和其他任务。编队控制子系统是无人编队系统的核心，用于集成编队相关的控制决策算法，包括碰撞检测、路径规划和编队控制。通信子系统用于艇与艇之间和艇与地面之间的数据交互。包括自组网通信模型和远程通信模型。导航子系统作为无人编队系统的基础，用于无人船的定位与路径选择等导航信息。包括导航模型。地面任务子系统用于地面站的任务信息管理与调度。包括任务管理和态势管理。人机交互子系统是无人艇编队仿真平台的窗口，通过模拟无人艇编队指挥员的指令下达，可以根据需求实现任务指派、无人艇编队管理等多种指令。通信子系统用于地面与船艇之间的网络通信与信息传输。评估子系统作为无人艇编队虚实融合测试与评估的重要环节，通过评价指标对整个测试过程进行评定，得到评价结果。

无人艇编队仿真平台中的模型及数据采用面向对象设计规范，遵从开放式体系架构。无人船系统和地面站系统的远程通信采用以太网模拟实现。仿真平台逻辑架构如图6所示。其中，灰色填充模块采用模拟软件实现，是仿真主体部分。对于仿真功能实现，主要工作包含如下四个方面工作：

平台模拟：通过加入各类模型，模拟无人船平台上的导航子系统功能以及任务载荷功能，其中，任务载荷包括传感器(光电、红外、雷达等)等。

通信模拟：设计自组网通信模型和远程通信模型，模拟无人船与无人船、无人船与地面站间的通信网络拓扑、信息交互关系和信息传输过程。

环境模拟：通过设计海洋环境、气象环境等仿真模型，实现无人艇编队模拟运行环境，设定无人编队在典型任务场景中的环境约束条件。

任务模拟：构建适用于编队运行的典型任务想定，建立任务目标和完成准则，设定态势运行过程，为任务分配、任务跟踪、任务协同提供数据支持，为任务评估提供依据。

如图7所示，概略描绘了无人艇编队仿真平台对象之间的数据交互流程。其中任务模拟和环境模拟两个模块用于构建仿真平台的时间基准和空间基准，通过消息中间件保障时空信息传递的实时同步，确保所有仿真对象能够工作于统一时空基准之下，保证了仿真对象在时间上的同步和空间上的一致性。

具体来说，以编队避碰和路径规划为例，简要描述无人艇编队仿真系统的运行流程。避碰解算是编队控制模块的主要工作内容，其目的是在路径规划之前，综合考虑艇间避碰、障碍物避碰等因素，为本编队仿真平台提供一条安全可行的航行路径。避碰解算需要收集如下信息：本艇的位置、航向、航速信息，编队邻近他艇的位置、航向、航速信息，障碍物的位置、形状信息。在仿真平台中，以上信息分别由导航模拟模块、自组网通信模拟模块、传感模拟模块提供。其中，本艇、邻近他艇信息由任务模拟模块产生，障碍物信息由环境模拟模块产生。编队控制模块将以上信息进行综合处理，结合编队避碰算法和路径规划算法，计算出本艇的航行路径，然后将路径信息发送给航行控制模块，由其进行航行解算。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (8)

1.一种无人船艇编队自主航行能力测试方法，其特征在于，包括：

对无人艇编队自主航行智能算法进行虚拟测试，并对虚拟测试结果进行评估；

若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，并对虚拟-实船测试结果进行评估；

若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试；

若实船测试满足编队智能航行要求，则测试结束。

2.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述对无人艇编队自主航行智能算法进行虚拟测试，具体包括：

通过虚拟现实技术，将真实船艇和真实海洋航行环境进行虚拟化建模，对真实世界镜像仿真，构建虚拟测试场；

通过数字孪生技术，将雷达、视觉感知、AIS艇载传感器采集的真实航行数据进行数字化处理，构建虚拟数字孪生世界；

将虚拟船艇交由算法操控，以虚拟指引实际，实现无人艇编队控制算法测试，最后对测试结果依据航行安全规则进行评价。

3.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述若评估结果满足编队智能航行要求，对无人艇编队智能算法进行虚拟-实船测试，具体包括：

将测试船艇由虚拟船替换成实船或者模型船，通过改变虚拟场景内三维物标的数量和分布，改变场景的复杂度，以增加测试场景的实用性和丰富度；

将虚拟场景内部信息以艇载传感器的接口形式输出至实船，将虚拟测试场景中的海洋航行环境数据和真实船艇编队的实时航行状态信息作为算法端的输入，算法输出端控制实际船艇编队的航行。

4.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述若评估结果满足编队智能航行要求，对无人艇编队智能算法进行实船测试，具体包括：

依据被测多无人艇编队的船型、规格计算所需通航空间，对所需实船测试场进行规划和建设；

将真实多船艇编队置于真实的海洋测试场景中，将真实船艇的实时运动状态和控制设备信息航行状态信息传递至编队智能算法客户端，算法输出端控制实际船艇编队的航行。

5.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述评估结果满足编队智能航行要求，具体包括：

编队路径规划算法、编队避障算法、编队感知算法、编队队形控制算法操控船艇的单项基本能力和综合高级能力达到安全性、可靠性和准确性要求。

6.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述对虚拟测试结果进行评估，具体包括：

对编队路径规划算法、编队避障算法、编队感知算法、编队队形控制算法进行单项基本能力的评估和综合高级能力的评估。

7.根据权利要求1所述的无人船艇编队自主航行能力测试方法，其特征在于，所述对虚拟-实船测试结果进行评估，具体包括：

确定评价对象的因素集和评语集，对各因素的权重进行评定，进而构建隶属度矩阵，计算综合评价结果，最后对综合评价结果进行归一化处理。

8.一种基于权利要求1-7中任意一项权利要求所述无人船艇编队自主航行能力测试方法的无人船艇编队自主航行能力测试系统，其特征在于，包括：虚拟模型生成模块、虚拟场景生成模块、虚拟信息采集模块、虚拟信息处理模块、实船信息采集模块、算法端模块、数据存储模块、高清显示模块、实船模块、评估模块；其中：

虚拟模型生成模块，采用三维建模技术设计三维虚拟船艇编队模型、海上助航航标三维虚拟物标模型、三维虚拟港口建筑模型，根据实际无人船对虚拟船艇形状、大小、编队数量信息进行选择设置，为三维虚拟船艇构建Nomoto/Norrbin/MMG操纵运动数学模型；

虚拟场景生成模块，将真实、动态的交通流信息导入虚拟世界中，构建弯曲航道、受限水域、开阔水域、连续桥区航段，加入风、浪、流、涌环境扰动随机数据和雨、雪、雾能见度数据，生成船艇编队队形控制、避障、过桥等虚拟航行场景；

虚拟信息采集模块，对虚拟测试场景中的静态障碍物位置、半径信息、动态障碍船的位置、航向、航速等信息和虚拟目标船的实时动态信息进行采集；

虚拟信息处理模块，将虚拟场景中的障碍物、无人艇编队、海洋航行环境等虚拟信息以电子海图、惯导、视觉感知艇载传感器的接口形式输出；

实船信息采集模块，利用摄像头、雷达等艇载传感器对真实世界中的障碍物信息、目标船实时动态信息进行采集；

算法端模块，接收虚拟信息处理模块传输的虚拟场景内部信息或者真实世界中的海洋航行环境信息，经过算法端模块算法的信息融合处理，对虚拟场景中的虚拟船艇编队或者真实场景的船艇编队进行控制；

数据存储模块，将虚拟信息采集模块采集的虚拟信息和实船信息采集模块的采集的真实信息存入数据库中保存；

高清显示模块，将测试过程和实时信息以视频、曲线和数据的形式进行显示；

实船模块，为无人艇编队虚实融合测试海上测试对象；

评估模块，为对由无人艇编队控制算法操控的虚拟船艇编队或真实船艇编队的虚拟信息采集模块和实船信息采集模块，所采集的数据经计算处理后进行评价，以此判断编队相关算法的控制能力。

Images