为梳理水面智能无人船艇自主航行决策控制技术的研究现状，厘清不同复杂度场景下的技术瓶颈与发展趋势，

系统调研了国内外无人船艇关键技术发展历程。围绕中低复杂度与高复杂度2类应用场景的技术需求差异，分别对路径规划、视线（LOS）制导、自主避碰、自动靠离泊、多智能体协同控制和自主回收等方向展开综述，评述现有技术不足并给出发展建议。

分析表明，面向开放水域的自主航行技术已日趋成熟并逐步实现工程化应用，但面向复杂水域和复杂任务的核心技术仍存在发展瓶颈。

进一步展望未来，提出应构建面向真实场景的标准化仿真和实船测试评价体系，推动关键技术快速迭代与落地，为我国无人船艇自主航行决策控制技术的发展提供支撑。

为系统梳理无人水面艇（USV）的技术演进脉络并探索其与智能船舶融合发展的路径，以突破单艇在续航、算力及通信上的性能瓶颈，

回顾USV从无线电遥控到全自主航行、从单体作业到集群协同的百年发展历程。深入剖析环境感知、决策规划、控制驱动及通信链路四大关键核心技术。在此基础上，重点探讨USV与大型智能船舶的融合趋势，分析“母船-子艇”跨域协同作业模式及数字孪生驱动的云端管控体系。

当前USV技术正经历从“感知-避障”向“认知-博弈”的智能化跃升，而“母船-子艇”协同模式通过将大型船舶的平台优势与USV的机动优势结合，可有效解决单艇在深远海复杂环境下作业与大型智能船舶进出港“最后一公里”操纵的难题，实现优势互补。

该协同模式是未来海洋作业的主流范式，但仍应在法律法规适应性、通信网络安全及绿色能源动力等方面持续攻关，研究成果可为构建空海潜一体化的新型海洋智能装备体系提供理论参考。

现有的自主靠泊技术依赖于精确的数学船舶模型，且多采用经验公式进行建模，然而在实际的靠泊场景中，受到环境、速度等影响，这些方法无法实时精确地反映当前的船舶操纵状态，导致靠泊控制精度受限。为解决上述问题，

提出一种基于物理信息神经网络（PINN）的船舶自主靠泊控制方法，该方法通过构建基于滑动窗口的实时数据集，通过物理神经网络实时辨识船舶操纵参数，设计基于增益调度的自适应控制器，利用辨识出的参数动态调整控制增益，实现船舶的精确靠泊。

试验结果显示，PINN网络能够在动态工况下迅速收敛，准确辨识船舶参数，拟合优度达到0.97，在靠泊试验中，确保终端航向角偏差与横向误差收敛至极小范围，实现平滑、安全的停靠，航向误差为0.13°。

该方法有效解决在船舶参数未知、复杂工况下，传统控制算法因模型失配而失效的问题，提供一种安全、可解释的自适应靠泊控制。

为提高船舶在实际靠泊过程中的路径规划和运动控制精度，

采用非线性模型预测控制（NMPC）与滚动时域估计（MHE）相结合的船舶靠泊路径规划方法，提出一种能预测船舶未来运动轨迹并在线更新船舶运动控制策略的非线性模型预测控制系统。建立船舶在横荡、纵荡、艏摇和横摇4个自由度上的Fossen动态模型，以适应船舶在水面上的运动状态和环境变化，从而提高船舶的靠泊控制精度。以巴布亚新几内亚及其邻近海域和马尼拉国际港的船舶自主靠泊路径规划为例开展仿真试验，验证该系统的有效性。

结果显示：采用该系统所得航迹误差均小于8.0 m，靠泊位置误差均为0.6 m。研究结果表明：所提系统的有效性、泛化性和适用性满足需求；建立的数学模型能为系统提供更全面的船舶运动信息，实现更精准的船舶运动控制，增强系统的鲁棒性。

研究成果可供不同港口环境下的智能船舶自主靠泊路径规划和运动控制参考。

针对船舶抵近跟踪水面动态目标航行场景中的避碰路径规划与运动约束协同优化难题，

提出一种融合改进A^*算法、快速反向搜索迭代规划（RRSIP）方法和Hybrid A^*精细规划方法的分层路径规划方法，实现高效且符合运动学规律的动态目标跟踪规划。采用基于动态规划和有向包围盒障碍检测的改进A^*算法规划路径，减少路径长度和冗余路径点；针对动态路径终点提出基于RRSIP的路径迭代方法，通过反向搜索复用节点信息快速迭代预测抵近点，避免重复搜索，提升搜索效率；在路径转向点附近引入Hybrid A^*算法进行局部精细规划，快速生成满足船舶操纵运动学要求和抵近艏向约束的可行路径。通过多组仿真试验验证各方法及整体算法的性能，

结果表明：改进A^*算法相比其他典型算法路径长度分别平均减少4.17%和1.79%；RRSIP方法相比FR方法能使迭代规划耗时至少缩短33.9%；局部Hybrid A^*规划相比全局应用，能在保证路径可行性的同时，使耗时至少缩短72.1%。

所提方法能有效解决动态目标跟踪中的实时性和运动可行性问题，显著提升船舶在拖船伴航和海警执法等场景下的自主跟踪能力。

为提升船舶轨迹预测的精度与稳健性，

提出ABiM-Ship网络，以双向选择性状态空间模型对历史航迹编码，利用注意力机制显式对齐航迹与航向、航速，设计2阶段端到端联合预测，先回归未来航迹与航向、航速，再以残差校正，引入Huber损失以约束物理误差并稳定收敛。

试验表明：该网络在短、中、长程上的平均预测误差等指标表现均显著优于传统主流基线，预测精确度较高，且表征方法，2阶段结构与Huber损失均贡献显著增益。

研究成果在保持线性时序复杂度的同时实现对轨迹、航向与航速的显式耦合与粗到细预测，具备良好的可复现与可推广性，可为复杂海域高密度交通的智能导航与协同调度提供可推广的技术路径与工程参考。

为提升拖船作业调度效率和能源利用率，

提出一种融合动态数据预处理与在线学习的改进智能负荷预测算法。基于LSTM与Adaboost混合架构，通过差异化LSTM弱预测器集成与动态权重分配（误差敏感度惩罚机制），解决时序特征退化和多模态数据融合问题，设计在线学习触发机制（基于预测偏差阈值的自动再训练），实现模型动态更新；引入潮汐等环境数据协同优化模块，提升负荷预测对港口环境的适应性。将该算法与常规LSTM-Adaboost算法相对比，验证该算法的有效性。

结果表明，经迭代优化之后，改进算法的均方误差相比常规LSTM-Adaboost算法降低40.8%，具有较高的预测精度和环境适应性。

研究成果可供港口拖船能耗优化、安全保障和智能化调度参考。

为客观和系统地了解海事自主水面船舶（MASS）可靠性测试的现状，

从测试手段、测试技术和评价体系 3个方面对研究现状进行剖析，并对未来发展趋势进行探讨，具体包括：利用CiteSpace和VOSviewer对134篇相关文献进行可视化分析，系统梳理船舶避碰能力测试领域的研究方向与发展趋势；对实船测试、模型测试及虚拟仿真测试三大测试平台的用途、优缺点以及研究现状进行梳理；深入探讨基于专家知识、随机采样及人工智能的3种主流测试场景生成技术的发展趋势、特征对比以及面临挑战；从数据真实性、场景复杂度、风险性及生成效率4个维度归纳评估指标；在此基础上，展望未来的研究方向。

结果表明：虚拟仿真测试具有低成本高覆盖率的优势，成为主要的测试手段，基于人工智能的船舶避碰能力测试方法在高风险边缘场景、船舶交互博弈等方面具有发展潜力，但目前研究仍存在运动模型理想化、缺乏多船动态博弈机制、评价指标单一以及虚实迁移困难等挑战。

基于人工智能的测试场景生成与推演研究对推动MASS测试具有重要的研究价值与意义。

为揭示碳纤维船体结构轻量化效果对环境负荷的影响，

以11 m碳纤维增强复合材料高速艇为例，采用全生命周期评估方法进行环境影响评估，评价指标是大气污染相关的全球变暖潜力（GWP）和臭氧层破坏潜力（ODP）。

结果表明：基于纤维含量调节的碳纤维船体结构轻量化设计方法，通过增加纤维用量、减少树脂用量，当纤维含量为55%时，能够在满足结构安全的同时实现质量最优，对比设计原案（纤维含量为40%）船体结构减重12.5%。但碳纤维在制造阶段环境负荷远远高于树脂的，导致生产阶段的GWP与ODP分别上升10.24%和14.37%。相反，运营阶段因船体轻量化，25 a内节油323.98 t，GWP与ODP分别下降4.13%和4.19%。

营运阶段的周期远远长于制造阶段，轻量化效果对营运阶段的正面影响可覆盖生产阶段的负面影响。研究可为绿色船舶设计与航运业碳中和提供参考。

针对中心体位置对喷嘴空化强度及流动形态的影响问题，

基于CFD-Fluent，采用Mixture多相流模型、k-ε湍流模型和Schnerr-Sauer空化模型，对不同中心体位置的喷嘴流场进行数值模拟。通过与已有研究结果对比，验证所用方法的有效性和可靠性。

系统量化中心体轴向位置对空化喷嘴内部流场及空化强度的非线性调控规律，明确揭示喉部与扩张锥段交界处为最易诱发空化效应的关键位置。当中心体位于该位置时，空化效应最为强烈，传质速率达到最大值；当中心体位于喷嘴内部时，中心体无空化；当中心体位于喷嘴外部时，空化区域向下游扩展的位置变化较小，且随着中心体进一步向下游移动，空化效应逐渐减弱。此外，基于LES方法进一步深入分析当喷嘴位于最佳空化位置时，喷嘴下游复杂的非稳态流动结构与蒸汽相的大尺度径向扩散特征。喷嘴下游10倍喷口直径处非稳态特征显著，蒸汽相分布直径扩张至4倍喷口直径。

明确中心体位置对空化强度的调控规律，为优化空化喷嘴设计提供理论依据。结果有助于提升清洗、破碎等依赖空化效应的工业过程效率，同时为开发可调中心体结构、实现空化强度实时控制提供理论支撑。