自然資源部海洋一所的海洋遙感探測及應用團隊，在無人船技術領域實現了重要突破。該團隊針對無人船自主航行與智能控制的核心難題，提出了創新性的解決方案，相關成果已發表于國際權威期刊《Ocean Engineering》，為無人船在復雜海洋環境中的應用提供了全新思路。
無人船作為海洋科技的重要載體，已廣泛應用于海洋測繪、水文觀測、通信中繼等領域。然而，其自主航行能力受限于兩大技術瓶頸：一是高速多航態下動力學特性復雜，傳統物理模型難以精準描述；二是現有控制方法難以兼顧可靠性與可解釋性，基于神經網絡的控制器雖靈活但缺乏物理基礎，而確定性模型又難以應對環境擾動。針對這些問題，研究團隊以自主研發的7米級高速無人船“久航750”為實驗平臺，開展了系統性攻關。
團隊創新性地提出了基于庫普曼物理模型與神經網絡的混合控制框架。該框架通過融合全局線性化與局部學習機制，在保持模型可解釋性的同時，顯著提升了控制精度。實驗數據顯示，在復雜海洋環境下，新框架的軌跡跟蹤誤差較傳統非線性控制方法降低40%以上，為無人船安全航行提供了可靠保障。研究還揭示了庫普曼算子在非線性系統建模中的獨特優勢，為智能控制領域提供了新的理論工具。
針對多航態建模難題，團隊開發了基于混合核函數的高斯過程回歸方法。該方法通過優化核函數組合，使模型既能捕捉全局運動趨勢，又能精準描述局部突變特征。實驗驗證表明，新模型在低、中、高速航態下的預測精度均優于傳統GPR、BP神經網絡及SVM方法，尤其在航態轉換區域表現突出。這一成果為無人船在變工況條件下的運動預報提供了有效手段，顯著拓展了其應用場景。
兩項研究分別聚焦控制架構與建模方法的創新，形成了完整的自主航行技術體系。目前，相關成果已在“久航750”上完成海試驗證，其軌跡跟蹤穩定性與建模預報準確性均達到國際先進水平。隨著技術的進一步優化，無人船有望在海洋資源勘探、環境監測、應急救援等領域發揮更大作用，推動海洋裝備智能化進程邁向新階段。
