Автономное сопровождение пути при швартовке 4-ступенчатого судна с использованием нелинейного предиктивного управления

Почему безопасная швартовка важна

Любое крупное судно в конце концов должно выполнить удивительно тонкую операцию: подойти к загруженному причалу и остановиться в пределах нескольких десятков сантиметров, часто в штормовую погоду и в стеснённых условиях. В настоящее время это в основном делают опытные команды и буксиры, но будущие беспилотные или сильно автоматизированные корабли должны будут швартоваться безопасно и плавно самостоятельно. В этом исследовании рассматривается, как продвинутые алгоритмы управления могут направить судно в порт с высокой точностью, даже когда ветер и волны постоянно пытаются сдвинуть его с курса.

Сложности при подходе к причалу

Швартовка — это гораздо более сложная задача, чем просто замедление и остановка. Судно должно следовать заданному пути, держать нос в нужном направлении и управлять мягким контактом с набережной, в то же время встречаясь с изменяющимися течениями, порывами и волнами. Традиционные методы управления опираются на фиксированные правила или вручную настроенные параметры, которые могут не справляться в оживлённых портах или при плохой погоде. Ранее исследования делили швартовку на этапы и совершенствовали модели движения, но многие подходы всё ещё испытывали трудности при учёте сильных, меняющихся во времени возмущений и тонких боковых и креновых движений, доминирующих на малых скоростях рядом с причалом.

Более детальный взгляд на движение судна

Авторы сосредотачиваются на более полном описании движений судна при подходе к швартовке. Вместо того чтобы отслеживать только продольное движение и курс, они используют модель с четырьмя степенями свободы, которая также включает боковое дрейфование и крен. Эта схема, известная в кораблестроении как модель Фоссена, представляет судно как твёрдое тело, на которое действуют силы от гребных винтов, рулей и окружающей воды, а также дополнительные воздействия ветра и волн. Одновременно используются две системы координат: одна фиксированная относительно Земли для описания общей позиции судна, и другая, связанная с корпусом, для учёта локальных сил и скоростей. Эта более богатая модель фиксирует тонкие, но важные эффекты, которые имеют решающее значение, когда судно движется медленно и находится близко к сооружениям.

Предиктивный «пилот с заглядыванием вперёд»

Опираясь на эту модель, исследование разрабатывает систему нелинейного предиктивного управления, которую можно рассматривать как цифрового пилота, постоянно заглядывающего на небольшой интервал в будущее. В каждый момент контроллер использует модель судна для моделирования множества возможных управляющих действий — небольших изменений тяги и руления — и выбирает комбинацию, которая удерживает судно как можно ближе к плановому пути, соблюдая ограничения по скорости и манёвренной мощности. Поскольку морские условия и показания датчиков никогда не бывают идеальными, авторы встраивают в систему метод оценивания, называемый скользящим окном оценки (moving horizon estimation). Этот метод учитывает недавние измерения положения и движения судна, сравнивает их с предсказаниями модели и выводит наиболее вероятное истинное состояние судна и текущую силу внешних возмущений.

Испытание умного пилота

Объединённая схема управления и оценивания тестируется в детальной компьютерной симуляции реального служебного судна, швартующегося в порту Гамбурга. Виртуальная гавань включает реалистичные карты и намеренно жёсткие морские условия с сильными ветрами и динамически изменяющимися волнами. Планируемый маршрут в порт следует плавной S-образной кривой двойного изгиба, имитирующей аккуратный реальный подход. Контроллер должен удерживать судно на этом маршруте, одновременно начиная и завершая манёвр при нулевой продольной скорости, как это происходит при выходе из открытой воды и финальном касании причала.

Насколько хорошо работает система

В этих требовательных симуляциях новый метод удерживает погрешность пути судна ниже примерно двух метров в ходе манёвра и снижает итоговое отклонение у причала до всего 0,3 метра. Это заметно лучше по сравнению с традиционным ПИД-регулятором и предиктивным контроллером без дополнительного слоя оценки состояния, которые демонстрируют большие перебегания и менее стабильное движение. Скорости судна остаются низкими и хорошо контролируемыми, что предотвращает жёсткие столкновения, а требуемые тяговые и поворотные усилия изменяются плавно, а не резкими всплесками. Важно, что система сохраняет работоспособность даже при флуктуациях моделируемых ветровых и волновых возмущений в пределах сильных, реалистичных диапазонов.

Что это значит для будущих портов

Проще говоря, исследование показывает, что беспилотное судно можно привести к причалу с заботой эксперта-пилота, сочетая реалистичную, но компактную модель движения с предиктивной, самокорректирующей стратегией управления. Хотя работа основана на моделировании, а не на полномасштабных испытаниях, она указывает на практический путь к более безопасной и надёжной автоматизированной швартовке, особенно в загруженных портах и в тяжёлых условиях. При дальнейшем совершенствовании и тестировании такие системы могут сократить необходимость в помощи буксиров, снизить рабочую нагрузку людей и сделать финальную, самую деликатную часть рейса более безопасной и эффективной.

Цитирование: Song, ., Guo, . & Sui, J. Autonomous berthing path tracking of a 4-DOF ship under nonlinear model predictive control. Sci Rep 16, 12918 (2026). https://doi.org/10.1038/s41598-026-41980-8

Ключевые слова: автономные корабли, управление швартовкой, предиктивное управление, навигация в порту, морская робототехника