水面无人艇(unmanned surface vehicle,USV)作为一种新型的、重要的无人控制水面舰艇,是信息化条件下未来海战的重要作战平台,引起各国海军的高度重视,为此美国国防部专门制定了《海军无人水面艇计划》作为未来无人水面艇的发展指南。水面无人艇通常工作环境比较复杂,速度较高,主要用于执行危险海域以及不适于有人舰艇或船只执行的任务。危险规避技术作为USV自主航行的核心部分,是实现自主运动、自主执行任务的关键,如何实现对障碍物的安全规避成为研究的重点。USV在高度动态和未知的环境中安全行驶需要达到高级别的自主性,传统的危险规避技术主要应用在低速机器人上,己无法满足USV的运动特点。本文提出了一种在遵循国际海事规则的前提下,使用基于隶属度函数的加权法确定碰撞危险度,通过碰撞危险度实现对当前环境危险程度的综合判断,并以基于海事规则的知识库为基础,建立智能决策系统,实现USV的规避控制,最终完成对危险目标的避障。本文首先以国际海事规则为基础,通过分析并提取相关的规避规则,完成USV规避知识库的构建,建立合理的知识推理流程,作为USV智能决策系统的数据模型库。初步构建的知识库缺乏知识和专家的支持,难免存在知识的冗余和冲突问题,严重干扰智能决策系统的效率。为解决这一问题研究以基于粗糙集的属性约简和多属性决策原理分别实现对知识库中知识的精简以及规则的优化,进而提高决策系统的决策效率。最后提出了一种基于碰撞危险度的危险目标识别方法和基于局部最优的多目标危险规避技术,解决USV在单目标和多目标会遇局面下的危险规避。仿真实验中,搭建了 USV水面无人艇仿真环境,实现对USV运行环境、传感器数据以及运动状态数据的模拟,并通过MATLAB软件实现对规避过程中数据的分析,验证本文所提出的危险规避技术的可行性和有效性。仿真结果及数据分析表明,该方法不仅使USV运动中遵循国际海事规则,并使USV在高速运动中在较短时间内完成对危险目标的规避,安全通过障碍区。