智能船艇测试场建设、运营实践与思考

上海交通大学 王鸿东 黄 一 闫昭琨

伴随着人工智能技术与海洋装备领域的深度融合，以无人艇为代表的智能船艇迎来前所未有的发展机遇，逐渐成为未来海上作业的有生力量。智能船艇的关键技术根据不同的划分方式，可形成多种体系。纵观国内外学者论述，通常划分为智能系统、平台总体、任务载荷和综合保障四个技术群。其中，智能系统技术水平是船艇遂行任务，发挥效能的关键。

表 智能船艇测试验证方法

围绕智能系统的关键技术需求，国内外学者在信息感知、规划决策、运动控制以及集群协同等方面，开展了大量卓有成效的理论研究工作，并开发了多种型号的产品投入工程应用。在实践探索中，人们意识到：智能船艇所处实海域环境的多物理场，构成了一个复杂的随机环境系统，对船艇的自主能力产生较大影响。不同于传统人机交互操控的舰船，智能船艇是典型的软件密集系统，需要通过大量感知信息、认知经验和运行状态数据，验证智能功能，并持续迭代算法参数与架构，实现系统自主能力的持续提升。因此，智能船艇在技术预研、样机试制、交付验收等阶段的测试验证技术，是我国船检机构与军事部门亟需构建的新型能力。

近年来，美国、挪威、芬兰及我国相继启动了智能船艇测试场的建设工作，但智能船艇的测试验证技术以及测试数据使用方法研究，尚处于起步阶段。

智能船艇测试验证方法

针对智能船艇的技术特点，上海交通大学海洋智能装备与系统教育部重点实验室提出智能船艇测试验证方法：构建模型在环测试、软件在环测试、硬件在环测试、实船验证环节，通过真实件与仿真件之间的逐一替换，逐步完成船艇的测试验证工作。

1、模型在环（Model in the Loop, MIL）

模型在环测试主要服务于新控制算法策略的探索开发，主要参与对象一般为企业新技术的研发人员或学术机构研究人员。除了数理层面上的推导分析外，模型驱动的开发及仿真环境主要有MATLAB/Simulink、C/C++、Python等，主要为动态脚本语言，开展白盒测试便于遇到问题时快速进行修改。当然，MIL测试的前提是要有被控对象模型，如描述船艇操纵运动的Abkowitz方程或MMG方程。

2、软件在环（Software in the Loop, SIL）

船艇智能系统软件开发人员将经过模型在环测试的策略算法/软件，使用C/C++等编译型语言进行转换开发，得到链接库或可执行文件形式、命令行或图形交互界面的软件后，辅以合适的软件配置参数，即可进行软件在环测试。软件在环测试采用黑盒测试，主要验证的是控制器的模型与代码实现之间的一致性。通过使用基于数据驱动的验证平台，可以通过灵活设立边界条件、加大运算负荷、提升计算精度、限制计算资源等方式及早发现控制器算法和代码实现中存在的隐患，进一步检验极端参数环境下控制器算法及应用软件的可靠性及优越性。该环节的典型测试对象有：避碰算法软件、感知信息多元融合处理软件、自动舵控制软件等。

3、硬件在环（Hardware in the Loop, HIL）

硬件在环测试，又称半实物测试，是将船艇智能系统中需要测试的部分硬件直接置于仿真回路中的测试系统，它不仅弥补了纯数字仿真中相关硬件仿真模块精度较低等缺陷，提高了整个测试系统的置信度，而且可以大大减轻编程的工作量。测试时，基于物理数据环境或试验台环境的验证平台与实际硬件通过各种信息通道相连，共同完成测试仿真工作，并将测试仿真结果在电脑中进行分析，从而判断硬件的运行情况。应用硬件在环测试使仿真条件更接近于实际情况，更能正确地对设计出的硬件系统性能进行检验和调试，有利于开发新型硬件系统和算法，减少现场调试次数。该环节的典型测试对象有：嵌入式工控机、光电跟踪设备与计算显卡等。

4、实船验证（Sea Test, ST）

复杂海洋环境将对智能船艇效能产生较大影响。例如，在我国首次实海况下智能船艇竞赛2019“海上争锋”中国智能船艇挑战赛中，参赛船艇出现了诸如因水面反光导致目标检测虚警、波浪抨击导致跟踪目标频繁丢失、甲板上浪导致光学识别失效等智能算法应用问题，导致任务失败。因此，船艇智能系统即使通过了模型在环、软件在环及硬件在环测试，在投入工程应用前，实船验证环节不可或缺。该环节由装备采购部门或无人艇总体集成单位提出请求，由具有测试服务资质的第三方机构，依据智能船艇任务需求在实海域测试场中构建任务场景，开展完备的系统兼容测试验证。

船艇智能系统测试验证平台设计

基于智能船艇测试验证方法，研究团队设计提出一种船艇智能系统测试验证平台架构，平台由“数据驱动的算法功能测试平台”和“实物/半实物功能测试平台”两大子平台共同构成（如图1所示）。

图1 船艇智能系统测试验证平台架构

其中，“数据驱动的算法功能测试平台”用于模型在环与软件在环阶段，开展船艇智能系统的虚拟仿真测试验证。该平台利用船艇运动学与动力学模型、任务区域风浪流模型、模拟任务场景等先验数据信息开展智能功能测试工作，弥补实际硬件、软件的信息不足。平台通过仿真的方式，对船艇智能系统的功能关系、控制逻辑关系、输入/输出参数、数据流进行需求确认，对智能系统进行可行性分析、验证，对船艇决策流及信号流进行优化，快速检验船艇智能系统功能。

“实物/半实物功能测试平台”用于硬件在环与实船验证阶段，依托专业化实海域测试场及试验支持母船开展测试验证。在硬件在环的半实物测试中，待测试的控制单元硬件通过虚拟网络总线，连接到虚拟的仿真环境中来测试核心算法的可行性和控制器的有效性。在实船实海域测试中，测试机构需将装备的任务目标要求，最大程度解耦、量化成可供对比分析的测试指标，其中，既有智能船艇作为海上移动平台的共性指标，又有智能船艇依靠载荷执行任务的个性指标。在此基础上，设计相应的测试科目，构建测试场景，实现基于任务的智能船艇综合测试验证。

智能船艇测试场建设与运营

2018年3月起，研究团队在山东日照开展了测试场建设与运营探索，并于2019年9月，获颁中国船级社无人艇测试服务供方资格认可证书。测试场现拥有600公顷专属试验水域及40000公顷合作试验水域，平均水深大于15米。测试场建有由GPS与基站电台组成（可接收北斗卫星数据）DGPS基站，配备高增益天线，可覆盖半径10km、角度90度的扇形地理区域，实现精度10厘米的亚米级海上精确定位。基于研究团队自主开发的船载数据采集裁判终端和基于时序数据库的信息管理系统，测试场能满足各种复杂测试科目设定下的智能船艇功能调试、性能测试、智能演进需求，并先后为“同方佰宜鸿声”无人艇、“JARI-USV”无人艇等提供测试验证服务。

图2 “同方佰宜鸿声”无人艇测试场景

秉承“以赛促建、快速迭代”的理念，研究团队自2019年起，每年与中国造船工程学会、中国船级社等单位联合主办“海上争锋”中国智能船艇挑战赛，通过设计科学化科目，开发标准化测试平台，吸引船海工程、航海技术、自动控制等多学科领域的行业专家、高校师生利用测试场开展智能船艇研发工作，促进测试验证平台建设。

针对智能船艇感知算法研发需求，研究团队开发云算力测试平台，提供船艇海试过程中真实环境下录制的水面实景视频片段数据集，要求检测出最后画面中所有的不同海洋结构物（包括海岸、障碍物）的位置及置信度，考察船艇在复杂海洋环境下检测不同海上小目标的能力。

图3 “海上争锋”2020中国智能船艇挑战赛部分竞赛画面

针对智能船艇避碰算法研发需求，研究团队与中国船级社联合开发基于船艇KT模型、MMG模型的在线测试平台，聚焦智能船艇海上自主避让机动船舶算法，考察高精度仿真环境下船艇的自主避碰功能。在测试海域范围（开阔水域，除船舶外无其余海上碍航物）为20海里*20海里的矩形区域内，设计了目标船数目为一至两条的不同典型会遇场景。被测算法可依照接收到的船舶的总长度、最大宽度等静态参数以及以固定频率分发的船舶位置、航速、航向等动态信息，在遵守《国际海上避碰规则》的要求下，在合适的时机发出相应的避碰决策及操纵指令。

智能船艇测试场发展建议

“智能”船艇与传统“自动”船艇的关键区别在于，能否利用测试数据实现自主学习优化，即“智能演进”。因此，智能船艇测试场不仅是服务于智能功能验证需求的“测试场”，更应该是服务于智能系统开发需求的“训练场”。基于上述实践探索，研究团队认为，我国各测试场应在中国船级社的指导下，建立技术交流机制，设立智能船艇测试验证技术专家委员会（以下简称“委员会”），并提出发展建议如下：

一是打造标准数据模型，协同各测试场开展数据生产。相比于无人机、无人车的测试开发，智能船艇实海域试验成本高昂，且存在环境标定困难与样本数据量小等特殊问题。为高效获取“数据原料”，委员会应推出若干标准船型，实现实船、缩比模型船、虚拟船的对象统一，便于智能系统的算法迁移与多工况功能验证，发挥数据时代“1+1>2”的协同效应。

二是建立数据运营体系，促进各测试场做好数据服务。当前条件下，测试场的智能功能验证业务收入远不能覆盖其运营成本，还需结合智能系统开发需求，提供以数据采集、管理、利用为核心的测试开发一体化服务。为促进基于测试场的智能船艇研发生态形成，委员会应面向工程与学术需求，建立数据运营体系，并从数据质量、数据使用、数据引用等方面，对测试场运营状况进行评价。

三是创新数据共享平台，依托各测试场助力人才培养。海洋装备的智能化转型发展，对传统船海学科人才的知识结构提出了巨大挑战。通过创办“海上争锋”中国智能船艇挑战赛，测试场成为“练兵场”，多学科人才跨界互动的局面初现。为促进航运业、造船业在新时期的蓬勃发展，委员会应通过挑战赛、揭榜挂帅、任务众包等形式，推动测试场共享部分数据，降低交叉创新门槛，助力行业创新型人才培养。