行业技术背景与挑战 - 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领域 [1] - 实现自主航行的两大核心技术是建模与控制 [1] - 当前技术面临两大挑战：一是高速多航态（排水、半滑行、滑行）下动力学特性强非线性，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，基于确定性模型的方法鲁棒性差，而现有神经网络控制器缺乏物理建模导致可解释性不足 [1] 研究进展与解决方案 - 研究团队依托自主研发的7米级高速无人船“久航750”开展了系列航行试验 [2] - 针对学习型控制架构未考虑物理建模的不足，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 [2] - 通过跟踪对比实验验证，所提出的控制框架优于传统非线性控制方法 [2] - 针对多航态精确建模问题，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，使模型兼具捕捉平滑全局趋势和描述局部突变的能力 [2] - 实验验证该非参数化运动模型精度优于传统方法 [2] 研究成果与影响 - 系列研究成果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 [2] - 研究成果将进一步推动无人船系统在海洋观测与作业中的应用 [2]