仿生水下机器人运动控制方法研究
仿生机器鱼运动控制技术研究
仿生机器鱼运动控制技术研究一、引言仿生机器鱼是指模仿鱼类行为和机械构造的仿生智能机器人,具有很好的泳动性能,在水下探测和水下维修等领域有着广泛的应用前景。
运动控制技术是仿生机器鱼研究中的重要技术之一,本文将重点介绍仿生机器鱼运动控制技术的研究进展。
二、仿生机器鱼的运动控制技术仿生机器鱼的运动控制技术主要包括三个方面:控制算法、运动学分析和动力学分析。
下面分别进行介绍。
1.控制算法控制算法是指将机器鱼的运动状态转化为对电机控制器输出指令的过程,主要包括开环控制、闭环控制和自适应控制等。
开环控制是根据预设的电机旋转速度和时间来实现机器鱼的运动。
这种控制方法简单易行,但无法对电机输出做出准确的调整。
闭环控制是通过对电机输出信号的反馈控制来实现机器鱼的运动控制,具有较高的控制精度和稳定性。
自适应控制是根据仿生机器鱼本身的状态进行实时调整,实现具有自适应性的控制,实现更高效精准的控制。
2.运动学分析运动学分析是指分析机器鱼在水中的运动特性,包括速度、姿态、位置等,对仿生机器鱼的运动控制提供基础。
仿生机器鱼在水中的运动主要由运动元件和运动机构两部分构成。
运动元件指鱼鳍和尾鳍等,运动机构指控制元件和骨架等。
通过对运动元件和运动机构的运动学分析,可以确定仿生机器鱼在水中的运动特性。
3.动力学分析动力学分析是指分析机器鱼在水中的运动的力学特性,对仿生机器鱼的力学特性分析提供基础。
仿生机器鱼在水中的运动主要由惯性力、阻力和升力等力学特性构成。
通过对仿生机器鱼的动力学特性分析,可以确定机器鱼的运动方向及能耗等相关特性。
三、仿生机器鱼运动控制技术的应用前景仿生机器鱼在水下探测、水下维修等领域有着广泛的应用前景。
其中,水下探测是最为典型的应用之一。
由于传统的无人潜水器需要在水下缓慢移动,在水动力学上取得平衡,并适应水流,因此难以应用于深海探测。
而仿生机器鱼可以模拟鱼的运动形态,不需要外部控制器支持,可以更加有效地应对深海环境的挑战。
水下机器人的运动控制与路径规划
水下机器人的运动控制与路径规划水下机器人是一种在水下环境中进行操作和控制的机器人,它可以适应不同深度的水域和各种复杂的水下环境。
水下机器人的应用范围广泛,包括海洋科学和研究、海底资源勘探和开发等。
为了使水下机器人能够正常运行和执行任务,需要实现其运动控制和路径规划。
本文将深入探讨水下机器人的运动控制和路径规划的相关技术与应用。
一、水下机器人的运动模型水下机器人的运动模型是其运动控制和路径规划的基础和前提。
运动模型通常采用欧拉角和位置矢量两种方法进行描述。
欧拉角是指在三维空间内任意旋转的角度,通常包括绕X轴旋转的俯仰角、绕Y轴旋转的偏航角和绕Z轴旋转的滚转角。
欧拉角可用来描述水下机器人的朝向和姿态。
位置矢量是指在三维空间内的位置坐标,通常包括水下机器人的X、Y、Z坐标。
位置矢量可用来描述水下机器人运动的位置和轨迹。
二、水下机器人的运动控制水下机器人的运动控制是指通过控制水下机器人的朝向和速度来实现其运动控制。
水下机器人的运动控制包括姿态控制和速度控制两个方面。
姿态控制是指通过控制欧拉角的变化来控制水下机器人的姿态。
姿态控制通常采用PID控制器的方法来进行控制。
PID控制器通过对水下机器人的朝向和姿态进行反馈控制来调整其姿态。
姿态控制的目的是使水下机器人保持稳定的姿态,并保持与海底平面垂直的状态。
速度控制是指通过控制水下机器人的速度来实现其运动控制。
速度控制通常采用闭环控制器的方法来进行控制。
闭环控制器通过对水下机器人的速度进行反馈控制来调整其速度。
速度控制的目的是使水下机器人能够达到指定的速度,并保持在目标位置和轨迹上。
三、水下机器人的路径规划水下机器人的路径规划是指根据任务需求和水下环境条件,规划出水下机器人的运动轨迹和路径。
路径规划通常涉及到图形学、运动学、动力学和优化等多个领域。
路径规划的过程通常包括三个主要步骤:环境建模、路径搜索和优化。
环境建模是指将水下环境中的各种障碍物和限制因素进行建模和表示。
水下机器人的运动控制与路径规划
水下机器人的运动控制与路径规划随着科技的不断发展,水下机器人的应用范围日益广泛。
水下机器人在海洋资源勘探、海底考古、海底工程等领域发挥着重要作用。
而机器人的运动控制与路径规划是水下机器人能够自主完成任务的关键技术之一。
本文将探讨水下机器人的运动控制与路径规划技术。
一、水下机器人的运动控制技术1. 导航系统水下机器人需要具备准确的导航系统,以确保其在水中的定位和姿态稳定。
惯性导航系统、GPS定位系统和声纳导航系统等技术常用于水下机器人的导航。
其中,惯性导航系统能够通过内部传感器测量机器人的姿态和位置,GPS定位系统可以利用地面的GPS信号来测量机器人的位置,而声纳导航系统则通过发送和接收声波信号来测量机器人与周围环境的距离。
2. 动力系统水下机器人的动力系统需要能够提供足够的推力和转矩,以满足机器人在水中的运动需求。
常见的动力系统包括电动机和液压系统。
电动机具有体积小、重量轻、控制方便等优点,适用于小型水下机器人;而液压系统则适用于大型水下机器人,可以提供更大的推力和转矩。
3. 姿态控制水下机器人的姿态控制是指控制机器人在水中的姿态,使其保持稳定并能够完成所需的任务。
常用的姿态控制方法包括PID控制、模型预测控制和自适应控制等。
PID控制是一种最常用且简单的控制方法,通过调节比例、积分和微分系数来稳定机器人的姿态。
而模型预测控制和自适应控制则可以根据机器人当前的状态和环境变化进行实时调整,以提高姿态控制的精度和稳定性。
二、水下机器人的路径规划技术1. 障碍物检测水下机器人在执行任务时需要避开障碍物,因此需要具备有效的障碍物检测技术。
常用的障碍物检测方法包括激光扫描、摄像头监测和声纳传感器等。
激光扫描可以通过发送激光并接收反射光来检测周围环境的障碍物,摄像头监测则利用摄像头拍摄周围环境的图像来检测障碍物,声纳传感器则通过发送和接收声波信号来检测周围环境的障碍物。
2. 路径规划算法路径规划算法是指根据水下机器人的起点、终点和周围环境来确定机器人的最佳路径。
水下机器人的自主控制技术研究
水下机器人的自主控制技术研究一、概述自主控制是指机器人的控制系统能够自主地进行决策和执行任务,不需要人类的直接干预。
水下机器人的自主控制技术是指将其应用到水下环境中的机器人,使其能够更好地进行水下探测和作业。
水下机器人的使用范围很广,可以用于海洋环境的勘测、石油开采、海底管道的维护等领域。
水下机器人的自主控制技术的研发和应用是海洋科学技术的重要组成部分。
二、水下机器人的自主控制技术发展水下机器人的自主控制技术目前还处于发展初期,自主控制的应用范围也比较有限。
在传统的控制方式下,水下机器人需要人类通过遥控器控制它们的运动和进行任务,这种方式虽然可行,但受到了许多因素的限制,如通信距离、水下环境的复杂性等。
因此,发展水下机器人的自主控制技术显得越来越重要。
水下机器人的自主控制技术发展主要集中在以下几个方面:1. 传感技术传感技术是水下机器人自主控制技术的重要组成部分。
目前,水下环境传感技术比较成熟,可以获取到水下环境的各种参数,如水温、盐度、流速、水深等。
这些数据可以帮助机器人做出更好的决策,并更好地适应水下环境。
2. 自主决策系统自主决策系统是指机器人能够自主进行任务安排和决策的系统。
通过对水下环境的感知,机器人可以判断当前环境下最适合的任务,并进行相应的决策。
3. 智能算法智能算法可以帮助水下机器人更好地进行自主控制。
例如,通过使用强化学习算法,机器人可以通过试错来学习最优的控制策略。
三、水下机器人的自主控制技术研究进展目前,水下机器人的自主控制技术研究已经有了不少进展。
1. 中控系统的升级中控系统是指机器人的控制系统,负责机器人的任务分配和控制。
随着技术的进步,中控系统已经得到了升级,可以更好地支持自主控制技术。
2. 构建水下机器人的自主决策系统研究人员已经开始构建适合水下机器人的自主决策系统,这个系统能够根据机器人所处的环境来决定机器人的最佳行动方案。
3. 智能算法在水下机器人的自主控制中的应用智能算法是目前水下机器人的自主控制技术中的一个重要组成部分。
仿生机器鱼运动控制算法设计及性能评估
仿生机器鱼运动控制算法设计及性能评估随着科技的不断发展,仿生机器鱼作为一种模拟真实鱼类行为的智能机器人得到了广泛的关注与研究。
仿生机器鱼具备了真实鱼类的机械结构和运动特征,能够在水中自由地游动、转向和操纵,具备了一定的灵活性和适应性。
在这篇文章中,我将着重探讨仿生机器鱼运动控制算法的设计和性能评估。
首先,我们需要考虑的是仿生机器鱼的运动控制算法的设计。
仿生机器鱼的运动控制算法需要模拟真实鱼类的运动方式,并具备自主的决策能力,以实现在水中灵活自如的运动。
为了实现这一目标,可以考虑以下几个关键因素:1. 运动模式选择:仿生机器鱼可以采用鱼类行为学中已有的运动模式,如直线游动、转向、盘旋等。
选择合适的运动模式可以使机器鱼更加适应不同的环境和任务需求。
2. 运动轨迹规划:仿生机器鱼需要通过计算和规划来确定运动轨迹,以实现预设的任务目标。
可以采用轨迹规划算法来生成运动轨迹,如最优路径规划、遗传算法等。
3. 运动控制策略:仿生机器鱼需要根据环境信息和任务目标来选择合适的运动控制策略,以实现良好的运动性能。
可以采用自适应控制、反馈控制等方法来实现运动控制策略。
4. 感知与感知处理:仿生机器鱼需要通过传感器来感知环境信息,并通过感知处理技术来提取和处理有效的信息。
可以采用视觉传感器、压力传感器等来感知水中的障碍物、水流等信息。
5. 控制器设计:仿生机器鱼的控制器设计需要考虑到运动特性、动力学模型和控制算法的综合因素。
可以采用模糊控制、神经网络控制等方法来设计控制器,以实现精确的运动控制。
在设计完成仿生机器鱼的运动控制算法之后,我们需要对其性能进行评估。
性能评估是评估算法的有效性和可行性的过程,可以通过以下几个方面进行评估:1. 运动准确性:评估仿生机器鱼的运动控制算法在执行各种任务时的准确性。
可以通过比较仿真结果和实际测试结果来评估运动的准确性。
2. 运动稳定性:评估仿生机器鱼在不同环境下的运动稳定性。
可以通过检测机器鱼的姿态、速度等参数来评估运动的稳定性。
基于ROS的水下机器人运动控制研究
基于ROS的水下机器人运动控制研究随着科技的不断发展,水下机器人在深海探测、海洋资源勘探和环境监测等领域中发挥着越来越重要的作用。
而水下机器人的运动控制技术是这些应用中的关键环节之一。
本文将介绍基于ROS的水下机器人运动控制研究,包括ROS的概念和特点、水下机器人运动控制的难点、基于ROS的水下机器人运动控制的技术路线和应用前景等内容。
一、ROS的概念和特点ROS,全称Robot Operating System,是一个开源的机器人操作系统。
它提供了一系列的工具库和软件框架,可以方便地实现机器人的感知、控制和协作等功能。
ROS具有以下几个特点:1. 高度模块化:ROS的软件模块可以独立开发和测试,方便了软件开发的并行和组合。
2. 现成的组件库:ROS提供了许多现成的组件库,如传感器数据采集、地图构建、路径规划和运动控制等,可以节省软件开发的时间和精力。
3. 易于学习和使用:ROS采用C++和Python等常用编程语言,语法简单易懂,社区提供了大量的教程和示例程序,方便了开发者的学习和使用。
4. 开源和共享:ROS是一个开源框架,任何人都可以免费获取和使用。
同时,ROS社区也非常活跃,成员之间可以共享代码、经验和资源等。
二、水下机器人运动控制的难点与陆地机器人相比,水下机器人的运动控制面临着更大的挑战和困难。
这是由于水下环境的复杂性造成的,包括水下流体力学、水下通信、水下传感和水下导航等方面。
以下是水下机器人运动控制中的几个关键难点:1. 水下机器人的动力学特性:水下机器人的动力学特性与陆地机器人截然不同,这对运动控制算法的设计和优化提出了更高要求。
2. 水下传感器的精度和可靠性:水下传感器的精度和可靠性受到水下环境的影响,因此需要特别关注其校准和修正等问题。
3. 水下通信的带宽和稳定性:水下通信系统的带宽和稳定性受限于水下环境的特殊性,如水的吸收和散射等。
因此,在水下机器人的控制和协作中需要特别关注通信协议和数据传输的可靠性。
仿生机器鱼的设计与控制方法研究
仿生机器鱼的设计与控制方法研究摘要:仿生机器鱼是一种模仿鱼类运动方式和外形结构的智能机器人。
它具有良好的机动性和适应性,可应用于水下探索、水环境监测和救援等领域。
本文对仿生机器鱼的设计与控制方法进行了研究,包括机器鱼的结构参数选择、运动模型建立和控制策略设计。
1. 引言随着工业技术的不断进步和人类对水下领域的不断探索,仿生机器鱼作为一种新型的智能机器人逐渐受到关注。
仿生机器鱼以其类似鱼类的流线型外形和灵活的运动方式,能够在水下环境中进行高效的工作,具有广阔的应用前景。
2. 仿生机器鱼的结构设计2.1 外形结构仿生机器鱼的外形结构应该模仿真实鱼类的形态,以获得更好的机动性和适应性。
在设计时需要考虑鱼类生物学特征,并结合目标任务进行适当的优化。
常见的仿生机器鱼结构包括鱼头、鱼身和鱼尾三个部分,并且通常采用模块化设计,以方便维修和升级。
2.2 材料选择仿生机器鱼的材料选择需要具备一定的强度和柔韧性,能够承受水下环境的压力和扭曲。
一般采用水下耐腐蚀的材料,并根据需要进行防水处理和密封设计。
3. 仿生机器鱼的运动模型仿生机器鱼的运动模型是对其运动原理进行数学建模,以实现运动控制和路径规划等功能。
模型建立的关键在于准确描述仿生机器鱼的运动机制,并考虑水流、水压和机器鱼的物理特性等因素。
4. 仿生机器鱼的控制方法4.1 基于自主学习的控制方法基于自主学习的控制方法利用机器学习算法,通过对仿生机器鱼进行训练和学习,提高其感知和决策能力。
这种方法可以实现适应性控制,使机器鱼能够在不同环境下自主调整运动策略。
4.2 基于反馈控制的控制方法基于反馈控制的方法通过传感器获取机器鱼的状态信息,并根据设定的控制策略进行调整。
这种方法需要建立准确的控制模型,并进行实时的状态反馈和控制计算。
5. 仿生机器鱼的应用领域仿生机器鱼可以应用于水下探索、水环境监测和救援等领域。
在水下探索中,仿生机器鱼可以携带传感器进行海底地质勘测和海洋生物观察;在水环境监测中,仿生机器鱼可以监测水质、测量水流速度等参数;在救援领域,仿生机器鱼可以进行水下搜救和救援行动,提高救援效率。
水下机器人的运动姿态控制方法研究
水下机器人的运动姿态控制方法研究随着科技的不断进步,水下机器人的应用越来越广泛,并受到了人们的广泛关注。
然而,水下机器人在执行各种任务时,需要保持稳定的运动姿态,这对于控制系统的设计和优化具有挑战性。
因此,如何有效地控制水下机器人的运动姿态是一个广泛研究的问题。
本文将从多个角度深入探讨水下机器人的运动姿态控制方法。
一、水下机器人的运动姿态控制目标水下机器人的运动姿态控制的目标是保持机器人在水下稳定、平衡的运动状态。
这是执行各种任务的前提。
水下机器人在执行任务时,其运动姿态控制要达到以下几个目标:1.维持水下机器人的稳定性,防止机器人在运动时产生惯性力,导致倾斜;2.控制水下机器人在水下的位置与姿态,保证其在浅海、深海等不同环境下的稳定性;3.控制水下机器人的运动速度,以便完成不同的任务。
以上几点是水下机器人运动姿态控制的基本目标,实现这三个目标需要采用不同的控制方法。
二、水下机器人的运动姿态控制方法在实践中,水下机器人的运动姿态控制方法主要有以下几种方式:1. PID控制PID控制是一种常用的控制方式,也是水下机器人运动姿态控制中最常用的一种方法。
PID控制通过对水下机器人的偏差进行反馈、校正,以达到控制机器人运动姿态的目的。
PID控制器通过计算偏差的比例、积分和微分,来调节输出控制信号,系统的响应也会更加快速、精确。
2. 模型预测控制模型预测控制是一种智能优化的控制方法。
该方法基于数学模型,经过多次仿真和训练后,通过计算未来的状态变化趋势,来预测机器人的运动姿态,进而控制机器人的运动姿态。
模型预测控制器具有精确性高、控制灵活性强、适应性好等特点,是一种理想的水下机器人运动姿态控制方法。
3. 自适应控制自适应控制是一种根据系统的反馈信息,实现自我修正的控制方法。
该方法根据水下机器人的运动姿态和环境信息,在实时不断地调节目标参量,以控制机器人的运动姿态。
自适应控制具有自适应性强、控制精度高、鲁棒性好等特点,是一种应用广泛的水下机器人运动姿态控制方法。
水下机器人的动力学与运动控制研究
水下机器人的动力学与运动控制研究水下机器人是一种能够在水下自由移动、完成各种任务的机器人。
它广泛应用于海洋科学研究、海洋资源勘探、海洋环境监测、海底资源开发等领域。
为了实现水下机器人的动力学和运动控制,需要对其进行深入研究。
一、水下机器人的动力学水下机器人的动力学研究主要涉及到机器人的姿态控制与运动学分析。
姿态控制是指控制水下机器人的方向、俯仰角、滚转角等参数,以便于机器人在水中进行各种活动。
运动学分析主要涉及水下机器人在水中运动时的速度、加速度、弯曲程度等参数。
水下机器人的动力学研究包括机器人的机构设计、传动系统、动力系统、传感器的选择等方面。
在机构设计方面,一般选择独立式样、水平式样或者全封闭结构等。
在传动系统方面,可以采用电动、液压、水流等传动方式,根据使用需求来选择。
在动力系统方面,可以采用液压、电动、气动等方式,以实现机器人在水下的高速运动。
二、水下机器人的运动控制水下机器人的运动控制研究包括机器人的运动控制系统、控制算法、控制方法以及控制策略等。
机器人的运动控制系统一般包括传感器、控制执行系统、运动执行系统等,通过传感器采集机器人的运动状态,由控制执行系统进行控制,从而达到运动的目的。
在控制算法方面,可以采用遗传算法、模糊控制、神经网络等方法进行水下机器人的运动控制。
采用遗传算法可以实现机器人的全局搜索和优化,并能够适应复杂环境;模糊控制可以通过构造模糊规则表达人类经验和知识,实现对复杂系统的控制;神经网络控制则可以利用神经网络的自学习、自适应特性来实现控制。
在控制方法方面,主要包括基于位置的控制、基于速度的控制、基于力的控制等。
其中,基于位置的控制适用于机器人的轨迹跟踪和姿态控制问题;基于速度的控制可以用于波动补偿和速度稳定控制问题;基于力的控制则适用于物体的抓取、操作和清洗等任务。
在控制策略方面,主要包括开环控制、闭环控制、自适应控制、预测控制等。
其中,开环控制适用于对机器人的直接控制,但是无法应对环境变化;闭环控制适用于环境和外部条件不确定的情况下,可以通过反馈机制进行控制;自适应控制则适用于环境变化频繁的情况下,可以通过对环境的分析来实现动态控制;预测控制则可以通过对未来状态的预测来实现控制。
水下仿生机器人CPG控制方法研究现状综述
K e y w o r d s : b i o m i m e t i c u n d e wa r t e r r o b o t ; mo t i o n c o n t r o l ; c e n t r a l p a t t e r n g e n e r a t o r ( C P G)
mi me t i c u n d e r w a t e r r o b o t .A c o mp r e h e n s i v e r e v i e w o f b a s i c p r i n c i p l e s a n d r e s e a r c h o f c e n t r a l p a t t e r n g e n e r a t o r ( C P G)w e r e
中图分类号 : T P 2 4 2 文献标 志码 : A 文章编号 : 1 0 0 4 — 7 0 1 8 ( 2 0 1 7) 1 1 — 0 0 7 2 — 0 6
A S ur v e y o n CPG Me t ho d o f The Bi o mi me t i c Unde r Wa t e r Ro bo t s Ⅳ 一 c h e n g, WANG 一 we i , Ⅳ Bo — we n, ZHAO Do n g— b i a o
:化、 自然选 择 , 能 够适 应 时刻 变 化 的水 下 环 境 , 具 有 优异 的水 下 运动 能力 进行 各项 生命 活 动 。随着人 类
不 能很 好 的适 应水 下非 结构化 的工作 环境 。正弦控
制 器 。 是水 下仿 生机 器人 运 动 控 制方 法 中常 用 的
一
种 控制 方法 。因为 大多数 鱼类 的身体 或鳍 的推 进
水下机器人的导航与控制技术研究
水下机器人的导航与控制技术研究近年来,随着科技的不断发展,水下机器人的应用越来越广泛。
它们主要用于海洋勘探、海底管线维修、深海探测等领域。
然而,由于水下环境的复杂性和水下机器人自身的特点,水下机器人的导航和控制技术研究一直是一个难点。
本文将对当前水下机器人导航和控制技术的研究进展进行探讨。
一、水下机器人的导航技术水下机器人的导航技术是其能否准确地执行任务的关键。
目前主要的水下机器人导航方法包括声纳导航、惯性导航、视觉导航和自主导航等。
1. 声纳导航:声纳导航是指使用声纳探测器在水中进行信号的发送和接收,利用声波的传播速度和时间差来确定水下机器人的位置。
声纳导航方法具有定位准确、可用于大范围探测、不受光照影响等特点,但受到水下环境中噪声和反射等因素的影响。
2. 惯性导航:惯性导航是指使用加速度计和陀螺仪等惯性传感器检测水下机器人的加速度、角速度和角位移等变量,从而推断其位置和姿态。
惯性导航方法具有定位精度高、无需外界信号、短时间内获取位置等优点,但相比声纳导航,其误差随时间增加的速度较快。
3. 视觉导航:视觉导航是指利用摄像头等视觉传感器获取水下环境中的图像信息,通过图像处理和分析技术来推断水下机器人的位置和姿态。
视觉导航方法具有操作简单、实时性好、环境适应性强等特点,但受到水下环境的光照和水质等因素的限制。
4. 自主导航:自主导航是指利用集成导航系统对水下机器人进行自主导航。
该方法将声纳、惯性、视觉等多个导航技术进行融合,以提高导航的精度和可靠性。
但相比单一导航技术,自主导航的复杂度和成本较高。
二、水下机器人的控制技术水下机器人的控制技术是其能否准确和稳定地执行任务的关键。
目前主要的水下机器人控制方法包括遥控控制、半自主控制、全自主控制等。
1. 遥控控制:遥控控制是指利用遥控器、艇上动力控制箱等装置对水下机器人进行控制。
该方法操作简单、成本低廉,但不适用于大型和复杂任务。
2. 半自主控制:半自主控制是指利用预设轨迹、任务指令等控制方式,对水下机器人的运动进行控制。
水下机器人的动力学建模与控制算法研究
水下机器人的动力学建模与控制算法研究随着科技的不断发展,人类逐渐掌握了更多掌控自然的技能。
水下机器人就是其中之一,它可以执行深海勘探、海底资源开发、水下作业等任务。
不过,水下机器人的动力学建模与控制算法一直是水下机器人技术的瓶颈。
一、水下机器人的动力学建模水下机器人的动力学模型可以理解为一个物理系统模型,是设计控制算法的基础。
在水下机器人的动力学建模中,需要考虑到水下机器人与水的相互作用、运动学约束和环境扰动等因素。
首先,我们需要考虑水下机器人与水的相互作用。
这一步通常使用流体力学方法计算机器人与水的相互作用力,以及机器人运动所消耗的能量。
在模拟水下机器人的运动时,需要考虑到机器人受到的阻力和推动力以及角度变化。
其次,要考虑到机器人的运动学限制。
水下机器人是由多个关节组成的,每个关节都受到机械运动学限制。
基于运动学限制,我们可以计算出机器人的干扰力,这对动力学模型的建立至关重要。
在考虑完成以上两个方面的动力学模型之后,我们还需要考虑到环境扰动。
水下机器人在海底环境中,不同的海洋流体和海洋生物的干扰会对机器人的运动和控制造成负面影响。
因此,在动力学模型中需要考虑到环境因素,提高控制系统的鲁棒性。
二、水下机器人的控制算法研究针对水下机器人的动力学模型,需要设计相应的控制算法。
如何对水下机器人进行控制是众多研究的热点之一。
水下机器人的控制算法设计的难点在于机器人动力学模型非线性、耦合、时变等特性。
传统的控制算法无法高效应对这种动态特性,所以新的控制算法成为热门研究领域。
这里介绍几种控制算法:1.反演控制算法外部扰动对水下机器人的运动控制具有重要意义。
在反演控制算法中,控制器通过估计外部扰动作用在机器人上的力的大小,并计算出反向力,最终实现对水下机器人的精确控制。
2.自适应控制算法针对水下机器人运动控制过程中的模型不确定性和环境扰动,自适应控制算法构建误差模型,自适应地调节控制量,以满足运动轨迹要求。
3.模糊控制算法模糊控制算法可以在系统模型不完整或不确定的情况下,实现对水下机器人的控制。
水下机器人的控制策略与路径规划研究
水下机器人的控制策略与路径规划研究随着现代科技的发展,无人设备的应用越来越广泛。
水下机器人是其中的一种,能够在水下进行各种任务,如探测海底地形、取样水下生物、检查海洋设备等。
在水下环境中,机器人需要面对各种障碍和不确定性,因此,如何设计合理的控制策略和路径规划算法,成为水下机器人领域研究的重要课题。
一、水下机器人控制策略控制策略是机器人进行控制的核心内容,是控制系统的基本构成部分。
水下机器人的控制策略主要有传统控制策略和智能控制策略两种。
1. 传统控制策略传统控制策略包括自适应控制和模糊控制。
自适应控制根据系统的动态性能进行参数调整,以实现控制。
模糊控制则是针对模糊系统而设计的,利用用模糊语言来描述变量关系,再根据一定的规则进行推理,得到输出值。
在水下机器人系统中,传统控制策略可以通过控制器来进行实现。
常用的控制器有PID控制器、模糊控制器和自适应控制器等。
2. 智能控制策略智能控制策略包括神经网络控制、遗传算法控制和模型预测控制。
神经网络控制是通过学习已知的数据,建立一个复杂的非线性模型以实现控制。
遗传算法控制是通过遗传算法来寻找最优解,以实现控制。
模型预测控制利用未来的预测信息来进行控制,达到最优的控制目标。
与传统控制策略相比,智能控制策略可以处理具有非线性、复杂、不确定等特性的控制问题,但是智能控制策略需要较大的计算和存储资源,因此在实际应用中应根据具体情况进行选择。
二、水下机器人路径规划路径规划是水下机器人领域中关键的技术之一,对于机器人在水下环境中的运动具有非常重要的意义。
良好的路径规划算法可以使机器人沿着最优路径自主地完成各种任务。
1. 基于传统路径规划算法的研究传统路径规划算法包括最短路径算法、最小生成树算法和A*等搜索算法,可以有效地解决简单的路径规划问题。
最短路径算法是一种基于Dijkstra算法的路径规划算法,可以快速获取两个点之间的最短路径。
最小生成树算法可以通过构建起伪树来找到连通图中的最小生成树。
水下机器人的机械结构设计及运动控制
水下机器人的机械结构设计及运动控制导言:水下机器人是一种能够在水下进行各种任务的机器人。
它可以在海洋深处探索未知领域,执行水下修复、勘测和救援等任务。
本文将探讨水下机器人的机械结构设计和运动控制技术,希望能为水下机器人技术的进一步发展做出贡献。
一、机械结构设计1. 水密性设计水下机器人的机械结构设计首要考虑的是水密性。
由于水的压力和腐蚀性,机器人必须具备足够强度和耐腐蚀性的外壳。
材料的选择和结构的设计需要兼顾机械性能和防水性能,以确保机器人的正常运行和长期使用。
2. 全向运动性水下机器人在执行任务时需要具备全方位的运动能力。
因此,其机械结构设计需要考虑良好的机动性和机构的合理布局。
采用多关节机械臂、推进器和舵翼等设计,使机器人能够在水中实现各种运动方式,包括前进、后退、左右转向、上下浮动等,以适应不同的任务需求。
3. 适应性设计水下机器人的机械结构设计应具备适应性,即能适应不同深度、不同水域环境和不同任务需求。
例如,机器人的外壳设计需要能够承受不同水下压力,机构设计需要能够在不同水质条件下正常运行,同时还要考虑任务装备的可更换和升级性,以应对不同的任务要求。
二、运动控制技术1. 传感器技术水下机器人的运动控制首先需要获取环境信息,了解机器人当前的位置、姿态和水下环境的状态。
因此,传感器技术在水下机器人的运动控制中起着至关重要的作用。
水下机器人常用的传感器包括压力传感器、温度传感器、姿态传感器等,通过这些传感器可以获取水下环境的各种参数,从而实现对机器人的精确控制。
2. 控制算法水下机器人的运动控制算法需要能够根据传感器获取的环境信息对机器人的运动进行实时调整。
控制算法通常包括路径规划、运动轨迹控制和动力学建模等,通过对机器人的运动进行建模和优化,实现机器人在水下的精确控制。
优化的控制算法可以提高机器人的运动效率和稳定性,提高任务的完成效果。
3. 防护策略水下机器人在水下作业时面临着各种潜在的危险,比如水流、水压、水温等。
水下机器人的控制与运动优化算法研究
水下机器人的控制与运动优化算法研究水下机器人在海洋勘探、环境监测、海洋生态研究等领域具有重要作用。
然而,由于海洋环境的复杂性,水下机器人的控制和运动优化算法研究是该领域关注的重点。
一、水下机器人控制技术的研究现状水下机器人的控制技术是实现其各项任务的关键。
目前已经有许多研究者对水下机器人的控制技术进行了深入的研究,如模糊控制、自适应控制、基于力的控制等。
模糊控制是一种非线性控制方法,具有很强的自适应性和容错性。
针对深海环境下水下机器人控制的困难,许多学者采用了模糊控制方法进行控制研究。
模糊控制技术结合人工智能和模糊逻辑,在控制水下机器人的姿态、速度、位置等方面表现出了良好的效果。
自适应控制是具有自适应能力的控制方法,能够根据环境变化和机器人运动变化自动调整控制策略。
自适应控制技术具有较强的自适应性和鲁棒性,是很多控制领域的重要研究方向。
在水下机器人控制领域,自适应控制技术也被广泛应用。
基于力的控制(Force Control)是机器人控制中的一种特殊形式,指机器人在特定任务下通过感应其工作环境中的力引导其运动。
在水下机器人的控制中,基于力的控制方法能够应对环境复杂、运动需求高的情况,得到了较好的应用。
综上,水下机器人控制技术研究的发展具有较强的实际意义。
现在,研究者们正在为了进一步提高水下机器人的控制精度和鲁棒性,探索着更多的控制策略。
二、水下机器人运动优化算法的研究现状尽管现有的水下机器人控制技术已经较为成熟,但是在水下机器人实际运动中,由于环境的复杂性、物理特性的不确定性等因素,水下机器人的运动优化仍然具有挑战性。
运动优化算法的研究可以从优化控制和运动规划两个方面入手。
优化控制主要发挥在运动的姿态和控制上,主要通过解决优化问题的方式来优化机器人的运动。
而运动规划则是从路径、运动轨迹、碰撞检测等方面,寻找到最优的机器人运动轨迹。
在水下机器人控制领域,目前最常用的运动优化算法包括强化学习和精确控制方法。
水下机器人的运动控制算法研究
水下机器人的运动控制算法研究水下机器人,又称为水下无人机,是一种在水下环境下进行探测、勘探、作业和科学研究的机器人。
其运动控制算法是水下机器人技术中的核心问题之一。
随着现代科技的发展,水下机器人在民用和军事领域的应用越来越广泛。
如何保证水下机器人的运动控制精度和稳定性是当前亟待解决的问题。
一、水下机器人的运动控制模型水下机器人的运动控制模型通常采用欧拉角表示机器人的姿态和位置,角速度和线速度表示机器人的运动状态。
这种模型可以称为欧拉模型。
欧拉模型由三个角(俯仰角、偏航角和横滚角)和三个位置(北纬、东经和垂直深度)组成。
机器人的姿态可以通过欧拉角变换得到。
机器人的旋转速度和线速度可以通过欧拉模型得到。
欧拉模型的优势在于相对简单,易于建模和控制。
但其缺陷是,欧拉模型无法避免万向锁(两个角度相等或相差180度)的出现,且在一些特殊情况下,欧拉角不够完备。
二、水下机器人的姿态控制算法水下机器人姿态控制算法可以分为传统PID算法和自适应控制算法两类。
传统PID算法采用比例、积分、差分三种控制方式进行设计,对于水下机器人的姿态控制有良好的稳定性和精度。
但是,传统PID算法的参数设计需要人工进行试错,因此需要较长时间的调试。
自适应控制算法则可以自动调整控制器的参数,以适应系统变化。
水下机器人的姿态运动控制应用自适应PID控制器可以更好地做到姿态运动的精准控制和抗干扰性能。
三、水下机器人的路径规划算法在进行水下机器人的路径规划时,有两种方法可供选择,分别为基于航迹点和基于超声波的路径规划。
基于航迹点的路径规划是将所需执行的任务根据先验知识划分成多个任务和航迹点,然后按照规定的航迹点顺序进行执行。
这种方法可以简化机器人的路径规划问题,并使机器人所需执行的任务更加清晰。
基于超声波的路径规划则采用超声波传感器测距技术对机器人的位置进行精确定位,并根据先验信息规划机器人的路径。
这种方法可以不依赖于先验知识,但超声波传感器存在探测范围有限和受到水质影响的问题。
仿生机器鳐鱼多模态运动控制与优化方法研究
仿生机器鳐鱼多模态运动控制与优化方法研究仿生机器人技术近年来取得了长足的进展,其中仿生鱼类机器人因其鱼类独特的游动方式备受关注。
在众多的仿生鱼类机器人中,仿生机器鳐鱼作为一种具有多模态运动能力的机器人,引起了研究者们的广泛关注。
本文将探讨仿生机器鳐鱼多模态运动控制与优化方法的研究。
一、仿生机器鳐鱼多模态运动控制方法的研究1.1 融合中央模式发生器的控制方法仿生机器鳐鱼的多模态运动控制需要依靠中央模式发生器(CMG),通过生成动作模式来驱动运动。
CMG是仿生机器鳐鱼的核心控制装置,通过对鱼类运动的观察与分析,可以得到不同运动模式的参数。
研究者可以将这些参数输入到CMG中,通过控制CMG生成相应的动作模式,从而实现仿生机器鳐鱼的多模态运动控制。
1.2 基于反馈控制的运动控制方法除了中央模式发生器之外,反馈控制也是仿生机器鳐鱼多模态运动控制的重要方法之一。
通过利用传感器获取机器鳐鱼当前的位置、速度等信息,并通过算法进行实时分析和计算,可以实现对机器鳐鱼的运动进行精确控制。
反馈控制方法能够使机器鳐鱼对外界环境变化做出快速反应,并相应调整运动模式,以适应不同的情境。
1.3 基于学习算法的运动优化方法为了进一步提高仿生机器鳐鱼的运动性能,研究者们还提出了基于学习算法的运动优化方法。
通过将机器鳐鱼的运动过程抽象为一个优化问题,可以利用进化算法、遗传算法等方法对运动过程进行全局优化,以获得更加高效、稳定的运动模式。
这种方法可以通过模拟和演化仿生机器鳐鱼的运动过程,从而实现对机器鳐鱼的模式选择和参数优化。
二、仿生机器鳐鱼多模态运动控制与优化方法的挑战与前景2.1 挑战在研究仿生机器鳐鱼多模态运动控制与优化方法的过程中,面临着一些挑战。
首先,仿生机器鳐鱼的多模态运动控制需要综合考虑多种因素,如速度、姿态、动力学等,这对控制算法提出了较高的要求。
其次,仿生机器鳐鱼的多模态运动需要进行实时的反馈控制,这要求控制系统具备快速响应和高精度的实时计算能力。
水下机器人的运动控制与路径规划技术研究
水下机器人的运动控制与路径规划技术研究水下机器人是一种能够在水下环境中完成各种任务的自主机器人系统。
它在海洋勘探、海洋资源利用、水下作业等领域发挥着重要作用。
为了实现水下机器人的有效运动控制和路径规划,需要借助各种技术手段和算法来提高机器人的性能和可靠性。
1. 水下机器人运动控制技术水下机器人的运动控制是指通过控制机器人的驱动机构和执行机构,使机器人在水下环境中具有准确、稳定的运动能力。
水下机器人的运动控制需要解决以下几个关键问题:1.1 航行控制水下机器人的航行控制是指使机器人保持稳定航行状态的能力。
该控制涉及到姿态控制、深度控制和速度控制等方面。
姿态控制是通过控制机器人的舵机或推进器使机器人保持所需的姿态角度;深度控制是通过调整机器人的浮力和重力配平,使机器人能够在水下深度上升或下降;速度控制是调整机器人的推进器推力,使机器人能够以所需的速度前进或后退。
1.2 姿态控制水下机器人的姿态控制是指使机器人保持所需姿态的能力。
在水下环境中,机器人需要根据任务要求进行姿态调整,例如改变水平位置、调整俯仰角、旋转等。
为了实现姿态控制,可以使用惯性导航系统和陀螺仪等传感器获取机器人的姿态信息,并通过PID控制算法对机器人进行控制。
1.3 控制系统设计水下机器人的控制系统需要合理设计,包括硬件和软件两个方面。
硬件设计包括选择合适的传感器、执行机构和控制器等,以满足机器人的运动控制需求;软件设计包括编写控制算法和路径规划算法,以实现机器人的自主导航和路径规划。
2. 水下机器人路径规划技术水下机器人的路径规划是指根据所需任务目标和环境条件,确定机器人运动的最佳路径。
路径规划需要考虑以下几个方面:2.1 环境感知水下环境复杂多变,机器人需要能够准确感知周围的水下环境信息,包括障碍物、水流、水温等。
为了实现环境感知,可以使用声纳、激光雷达等传感器进行远程探测,或者采用水下机器人本身搭载的传感器对周围环境进行感知。
水下机器人的运动轨迹规划与控制研究
水下机器人的运动轨迹规划与控制研究水下机器人是一种能够在水下环境中进行自主运动的机器人,它应用于各种海洋勘察、水下取样、水下工作等领域中。
为了实现水下机器人的自主运动,需要对它的运动轨迹进行规划和控制,这是水下机器人技术的关键。
一、水下机器人的运动轨迹规划方法水下机器人的运动轨迹规划方法有很多种,常见的有基于偏微分方程的方法、优化方法、仿生学方法等。
基于偏微分方程的方法是利用偏微分方程描述水下机器人在水下环境中的运动形态,然后求解方程来规划机器人的运动轨迹。
这种方法需要具有良好的数学基础和计算机建模能力。
优化方法则是利用数学优化方法,通过建立机器人的动力学模型,考虑机器人的动力学限制和环境因素,来确定最优的运动轨迹。
仿生学方法则是借鉴生物运动的方式,通过研究鱼类、海豚等水下生物的运动方式和机理,来设计和改进水下机器人的运动控制。
总的来说,不同的方法适用于不同类型的机器人和运动任务,需要根据实际情况选择合适的方法。
二、水下机器人的运动轨迹控制技术水下机器人的运动轨迹控制技术是将规划好的轨迹转化为机器人的控制信号,实现机器人的自主运动。
控制技术包括开环控制、闭环控制、模糊控制、神经网络控制等多种方法。
开环控制是最简单的控制方式,即在机器人运动过程中给定一组输入信号,而不考虑机器人运动过程中的实际状态和环境变化。
这种控制方式的优点是简单、易于实现,但是对于环境变化和机器人的自适应性能要求较高,实用性也较局限。
闭环控制则是在机器人运动过程中对其状态和环境变化进行不断的监测和反馈控制,以保证机器人的运动性能和稳定性。
闭环控制需要建立机器人的状态估计模型和环境感知模型,能克服环境变化和机器人自适应能力弱等问题。
模糊控制和神经网络控制是近年来发展的新兴控制技术,它们具有非线性、自适应、智能化等优点,适用于复杂的水下工作和水下勘察任务。
三、水下机器人的应用前景水下机器人在海洋科学、资源勘察、环境保护、水下工程等领域中有着广泛的应用前景。
仿生水下机器人研究现状及其发展趋势
仿生水下机器人研究现状及其发展趋势近年来,随着科技的不断进步和人们对水下资源的探索需求的增加,仿生水下机器人成为了研究热点之一、仿生水下机器人是通过模仿海洋生物的外形结构和运动方式,利用先进的传感器和控制算法实现水下探测、操控和作业等功能的机器人。
目前,仿生水下机器人的研究现状主要体现在以下几个方面:1.机械结构设计:仿生水下机器人的结构设计追求与生物相似,常常模仿鱼类、鳐鱼等海洋生物的外形结构,以提高水下机器人的机动性和操纵性。
例如,鱼类类似的船体结构和鳃片造型的腹鳍可以提高水下机器人的运动效率和流线性能。
2.运动控制算法:仿生水下机器人的运动控制算法通常基于海洋生物的运动方式,如鳍运动、尾蹼运动等。
通过合理设计的运动控制算法,仿生水下机器人能够在水下环境中实现高效、稳定的机动性能,实现多自由度的运动。
3.传感器技术:为了更好地适应复杂的水下环境,仿生水下机器人需要借助先进的传感器技术实现环境感知和对象探测。
常用的传感器包括声呐、摄像头、压力传感器等。
这些传感器能够为仿生水下机器人提供实时的环境信息,提高其水下导航和任务执行能力。
4.自主水下探测:仿生水下机器人能够自主地探测、记录和分析水下环境中的地理和生物信息。
通过搭载多种传感器和数据处理技术,仿生水下机器人能够实现海底地形的三维测绘、海洋生物的观测和研究等任务。
在未来的发展中,仿生水下机器人的研究将朝着以下几个方向发展:1.多机器人协作:随着对海洋和深海资源的需求不断增加,单一的仿生水下机器人往往不能满足复杂任务的需求,因此多机器人协作将成为未来的发展趋势。
通过建立机器人之间的通信和协作机制,多个仿生水下机器人可以实现分布式任务的执行。
2.智能化与自主化:智能化是未来仿生水下机器人研究的重要方向。
通过引入机器学习、深度学习等技术,提高仿生水下机器人的智能化程度,使其能够更好地适应复杂的水下环境,并自主地执行任务。
3.能源与续航能力的提升:仿生水下机器人的能源和续航能力对其在实际应用中的持续作业至关重要。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
仿生水下机器人运动控制方法研究o 成 巍 李喜斌 孙俊岭 袁建平 徐玉如哈尔滨工程大学水下机器人技术实验室[摘 要] 近年来仿生技术在水下机器人上的应用已经成为水下机器人的重要研究方向之一。
仿生水下机器人采用尾鳍提供前进动力和改变航向,比传统的桨舵具有高效性和高机动性。
本文根据仿生水下机器人水池试验结果讨论了其运动性能,并在此基础上提出了仿生水下机器人运动控制方法,最后通过仿真试验验证了该方法的可行性。
运动控制研究,是仿生水下机器人其它使命的基础,具有重要的意义。
[关键词]水下机器人;仿生推进;智能控制[Abstract] The application of the bionic technology in the fields of the Underwater Vehicle hasbeen more attractive recently. Compared to the traditional propeller and rudder, the bionic UVinspired by the fish cruises and turns by its caudal fin, which gives more efficiency and moremaneuverability. First we discuss the movement capability of the bionic UV according to the resultsof its water tank tests. Then we give a method of its motion control here. And the feasibility ofthe method was proved by simulation experiments at last. Motion control is meaningful for the bionicUV to complete other tasks.[Key Words] underwater vehicle, bionic propulsion, intelligent control. 0.引言近年来,模仿水生动物推进方式的仿鱼尾推进系统应用于水下无人探测器的可行性已经得到了初步的验证。
如美国MIT的RoboTuna [1]、美国Draper实验室的VCUUV[2]、日本东京工业大学的机器海豚[3]、哈尔滨工程大学的“仿生-Ⅰ”[4]等,都采用了具有较高巡游速度的金枪鱼或海豚作为模型,研究仿生推进和操纵系统,以期改善传统水下机器人推进和操纵性能,增强水下机器人的运动能力。
仿生水下机器人采用尾鳍提供前进的动力和改变航向,与传统的采用桨舵的水下机器人在运动性能和控制方法上都有很大的差别。
因此,研究仿生水下机器人的操纵控制方法成为其重要的研究方向之一。
本文以“仿生-I”为研究对象,根据其船模试验水池(108×7×4m)试验了解其运动性能,并在此基础上讨论其运动控制方法。
1.“仿生-I”结构仿生水下机器人“仿生-I”号,以蓝鳍金枪鱼为蓝本,长2.4m,最大直径0.62m,排水量329kg,负载能力70kg,潜深10m,配有月牙形[作者简介] 成巍(1977–),河北张家口,博士生,研究领域:机器人运动控制与仿真、生物流体力学。
尾鳍和一对联动胸鳍,其外形如图1所示。
尾部为具有三个节点的摆动机构,约占总长的1/3,采用涡轮涡杆传动,其中前两个节点通过齿轮联动,控制尾柄的摆动,并通过包裹在外面的蒙皮形成整个鱼体的流线型,最后一个结点则用来控制尾鳍的运动。
该结构所产生的运动与金枪鱼的游动方式相适应。
研究表明,金枪鱼在高速游动时,躯体的前三分之二几乎没有摆动和变形,后三分之一则带动尾鳍以常频摆动,尾鳍接近于刚性,前进中躯体的横移极小。
机器人采用大展弦比的月牙形尾鳍,通过尾鳍的摆动提供前进的动力和转艏的力矩;胸鳍则可以控制机器人的深度。
尾鳍和胸鳍均采用NACA0018翼型。
躯体中部的背鳍和胸鳍可起到减摇作用。
该机器人在加装光纤陀螺、深度计和定位系统后,可实现艏向、深度和纵向速度的闭环控制。
为防止电机反向对尾部传动机构冲击过大,设定电机不能反向,因此尾鳍在一个摆动周期内一定会摆动到两个极限位置。
2.“仿生-I”运动能力“仿生-I”的结构决定了其运动能力,下面给予详细叙述。
“仿生-I”的胸鳍只可以做一个自由度的转动,可控制仿生水下机器人的升沉或纵倾。
因为只在鱼的前体装有一对联动胸鳍,不具备同时调整升沉和纵倾的能力。
但在较低航速(μ<1.0m/s)时,鱼体纵倾不超过5。
,可利用其纵向恢复力矩自动调节,因此通常只利用胸鳍调整深度,但当航速较高时,纵倾增大,会使航速降低。
另外,胸鳍本身是个升力面,只有当航速较高时,才有较好的控制作用。
同时应该注意到失速现象的存在,所以通常应控制胸鳍转角在一定范围之内(攻角可能会更大),此处取胸鳍最大转角θp<20。
“仿生-I”尾鳍以某频率摆动,能够提供前进的动力,水池试验中最大摆动频率1.3Hz,仿真试验中最大摆动频率2.0Hz。
当其一个摆动周期内频率发生变化时,会形成转艏。
通过调整尾鳍的摆动,“仿生-I”具有纵向速度和艏向控制能力。
当仿生水下机器人静止,尾鳍以某固定频率摆动时,机器人会经过一个加速段,最终达到相应的稳定航速。
图2为水池试验和仿真试验频率-航速关系对比图,其中仿真试验当频率较高时,人工处理纵倾为零,仅考察尾鳍的推力性能。
可以看到,仿真结果比试验值偏大,这 图1仿生水下机器人“仿生-Ⅰ”号 图2 频率-航速关系是由于试验中“仿生-I”的配重浮球所产生的阻力、水面兴波产生的兴波阻力,以及电缆和信号缆所产生的拉力对机器人的航速都有较大影响。
应该注意的是,在仿生水下机器人由静止到稳定航速间的加速段,尾鳍的进流速度不断增加,造成尾鳍一个摆动周期中产生的侧向力和力矩平均值不为零,仿生水下机器人会产生偏航,这在水池试验和仿真试验中都有体现。
当机器人达到稳定航速时,偏航停止。
水池试验因条件所限,未能观察偏航角;仿真试验中偏航角在10。
 ̄18。
当仿生水下机器人尾鳍摆动一个周期内两极限位置间的频率不同(设分别为f1和f 2)时,会发生转艏,可利用这一点调整艏向。
这里未采用某些鱼类的单侧尾鳍摆动,主要是从保持航速的角度考虑,同时也可以增长转艏力矩的作用时间。
同时可以在尾鳍以较高频率摆动到极限位置后停顿一定时间,以增长流体作用时间,提高转艏速度。
在水池试验中,我们取两频率分别为1.0Hz和0.2Hz,停顿时间1s,做了原地回转试验,其回转直径为4m,回转周期为50s。
同样的参数,仿真结果如图3所示,其回转直径6.6m,回转周期83s,转艏速度为4.44deg/s。
考虑一种极限情况,将上述两个频率之一取零,即当鱼类在以较高速度游动时,尾部突然摆动到摆幅位置停住,利用尾部的侧向力和力矩实现急转。
水池试验中,“仿生-I”以1.0Hz摆动到稳定航速时,急停,3s后做上述的原地回转运动,结果在停顿过程中转艏45。
,并在20s内完成了180。
转艏;同样参数,仿真结果如图4所示,停顿过程转艏32。
,转艏角速度10.67deg/s,并在24s内完成了180。
转艏。
上述两种回转运动中,试验结果均比仿真结果转艏速度快、回转半径小,原因是水池试验中鱼体上约束较多,虽然限制了其回转速度,但同时也限制了其进退和横移的速度,使仿生水下机器人能在比仿真器更短的时间以更小的半径回转。
仿生水下机器人在运动过程中,由于尾部的摆动,会造成横倾,也呈周期性变化。
但尾鳍摆动频率较高时,横倾不超过5。
,可通过横向恢复力矩自动调节。
3.“仿生-I”运动控制方法图3 仿真原地回转试验 图4 仿真急停转艏采用仿鱼推进和操纵方式,主要是为了利用其高速、高效、灵活、低噪等特点。
就“仿生-I”而言,由于胸鳍只有一个自由度的运动,不具备纵向定位能力,而且鱼类摆尾式游动通常不具备横向运动控制能力,所以当前我们主要将这种推进和操纵方式用于艏向的调整和大范围转移,只做纵向速度控制、艏向控制和深度控制。
基于“仿生-I”在水池试验中所表现出的运动能力,我们在仿真中对仿生水下机器人制定了下面的控制方法。
1) 启动时,航速为零,首先根据当前姿态确定艏向偏差,当偏差大于某值(eψ<5。
)时转2);否则,开始纵向速度控制。
根据当前纵向速度偏差eμ和纵向加速度αμ,确定尾鳍摆动的主频率f ma in ,后序的艏向调整都应该以f ma in 为标准,以防止艏向调整对纵向速度影响过大。
初始时刻eμ较大,为防止启动时对传动机构冲击太大,设定启动初始频率f 0,采用增量式控制。
同时艏向也要调整,以保证前进方向。
艏向调整见3)。
2) 采用原地回转运动调整艏向,根据艏向偏差eψ 和当前转艏速度r,确定尾鳍一个摆动周期内的两个摆动频率f 1和f 2,假设eψ 较大(eψ<5。
)时,还应该增加高频摆动至极限位置后的停顿时间t (设t[0,1]s)。
为防止f 1和f 2相差太大,对传动机构冲击过大,应该设定f 1和f 2的最大差值Δf 。
当艏向偏差eψ<5。
时,转1)。
3) 由于加速段存在偏航问题,尾鳍开始往哪侧摆,艏向就向哪侧偏,这里我们设尾鳍在加速段初始时刻向鱼体左弦方向摆动。
通常加速段结束后,偏航角大于10。
另外,由于仿生水下机器人不具备横向控制能力,在前进过程中,通常都在根据目标位置调整艏向。
所以在加速段,当前航速较小时(μ<0.75μt ,其中μt 为目标航速),艏向控制增加前馈环节,在根据当前姿态确定的艏向偏差eψ 的基础上,增加(/减小)艏向偏差eψ(Δeψ<15。
)。
4) 在仿生水下机器人航速较大时μ<0.6m/s,如果艏向偏差较大(eψ<30。
),可以采用尾鳍急停至摆幅处实现急转,加快艏向调整速度。
因为要急停,为防止冲击,设定急停前最大摆动频率为1.0Hz。
由于急停转艏速度较大,为防止超调,当艏向偏差降至一定程度(eψ=20。
)时,应该改为上述3)中的艏向调整方式;或者由于艏向偏差太大,急停一段时间后,转艏速度已减小到一定程度(r<5deg/s),也应该改为3)中的艏向调整方式。
在急停过程中,机器人纵向失去动力,航速会大幅度降低,再次启动前应根据当时的航速参照图2或根据纵向期望速度确定主频率f ma in ,但f ma in 不能太大,以减小冲击。
5) 当航速达到稳定且艏向偏差不大(eψ<5。
),可根据当前纵向速度偏差eμ和纵向加速度αμ,确定尾鳍摆动的主频率f m ai n ;并在f ma in 的基础上,根据艏向偏差eψ 和当前转艏速度r,确定尾鳍一个摆动周期内的两个摆动频率f 1和f 2。