水下清洁机器人运动控制系统设计研究

本文主要结合相关的研究背景设计了一种水下清洁机器人，作为一种水下设备的清洁维护的机器人，保障水下设备的正常运行。文章首先在引言部分对本文的研究背景及意义进行阐述，然后重点提出了水下清洁机器人运动控制系统的总体设计方案，并对其运动模型进行设计和仿真。

1 引言

海洋开发逐渐向特殊领域以及高深度领域转变，难度越来越大，人力开发已经完全不能够满足开发的需求，机器人开发已经成为了新趋势。本文主要在此背景下分析和研究水下清洁机器人的运动控制系统的设计。本文设计的水下清洁机器人主要是用于对水下的一些大型设备，例如海底搜救设备、勘测设备、取样设备等进行水下维护和修复等，能够在水下特殊环境中对海底设备进行维护和处理，能够较大程度上的促进海底开发技术的发展。

2 水下清洁机器人运动控制系统总体设计

2.1 水下清洁机器人运动控制流程

本文设计的水下清洁机器人的控制系统主要由主机、控制算法、控制电路、指令转换、机器人载体、采样设备等组成，具体的控制流程为：主机控制算法进行水下机器人的动力分配，并结合指令转换算法进行整理转换，结合控制电路开启操控箱，下达操作指令，机器人载体接到命令驱动机器人进行采样，采集样本之后将样本信息传递到主机处理系统当中，进行处理。

2.2 模拟运动控制平台结构设计

水下机器人的运动控制平台主要包括六个部分：步进电机、云台、安装板、推进器、U型板以及轴承等。其中云台主要实现的是2自由度的运动，包括水平和横向两个方向。本文模拟的控制平台主要实现的是3自由度的运动控制，除了上述2自由度之外，还包括前后摇摆自由度。由于多了一个自由度，因此需要对运动进行定位，该运动平台的定位主要由带套轴承和法兰轴组成固定左侧，由带套轴承和电机轴固定右侧，右侧的电机由法兰固定，由此就设计出了一个6自由度的模拟运动控制平台（边宇枢，高志慧，贠超，6自由度水下机器人动力学分析与运动控制：机械工程学报，2007）。

2.3 地面操控台结构设计

地面操控台主要是对上述的模拟运动控制平台进行控制，地面操控台主要包括显示器、操纵杆、按钮以及指示灯等。其中操纵杆有2个，一个用来控制云台的摄像机，一个用来控制模拟运动平台，面板主要是结合人体舒适度进行设计，角度定为70°（裴文良，郭映言，陈金山，申龙，水下机器人的研发及其应用：制造业自动化，2018）。

3 水下机器人运动模型及仿真分析

该部分主要对上述设计的水下机器人的运动模型以及仿真进行分析：

3.1 水下机器人的运动学建模

为了便于我们对机器人参数和变量的统一管理，可以定义以下

状态变量：

其中

，，即用η1和η2分别表示稳定系下水下机器人的位置向量和方向向量，用v1和v2分别表示动态系下水下机器人的线速度和角度，用τ1和τ2表示在动态系下作用于水下机器人的力和力矩向量。

水下机器人的速度变量由稳定系转换成为动态系，从而通过动态控制器实现对运动的控制，同时要获得水下机器人的静态位置和姿态就必须要将水下机器人的速度变量由动态系转换成为稳定系，从而得到水下机器人的位置矢量。由此可知，在研究水下机器人状态时，需要分析和研究机器人速度变量的动态和静态的转变。

3.2 基于神经网络的轨迹控制器

本文主要设计了基于神经网络模型的水下机器人的运动轨迹控制器，具体的控制流程如下：当机体接收到信号后，传递到控制器，再通过执行器作用于机体，做出相应的动作，机器人本身还具有抗干扰的功能。输出与控制器之间用RBF网络连接。（朱大奇，陈亮，刘乾，一种水下机器人传感器故障诊断与容错控制方法：控制与决策，2009）

3.3 水下机器人神经网络轨迹控制的仿真

结合上述设计的基于神经网络模型的水下机器人的运动轨迹控制器，采用MATLAB进行仿真如下。该控制器设计的目的是实现对水下机器人运动状态的识别和跟踪，通过分析水下机器人的水下运动情况，结合轨迹参考实现了未知动力学的局部精确逼近和部分神经网络权值的收敛，从而奠定一定的学习控制器基础。

结合神经网络的训练实验得到，在神经网络权值的训练过程中，一些神经网络的权值最终收敛，可以作为神经网络的常数权值存储。在自适应神经网络控制器的作用下，将被控系统未知动态分量的局部精确逼近。

水下清洁机器人运动控制系统设计研究

（下转第121页）

量室外太阳的强度，从而调室内灯光的数量，防止电能的浪费。每个楼层安装一个PLC，这些PLC可以通过现场总线进行联接，之后通过另一个带以态网功能的PLC或虚拟串口连接到组态软件。

7.系统安装与调试

此温泉洒店智能控制系统在河源市某温泉酒店进行了三个多月的施工及调试。由河源职业技术学院提供技术支持，由河源市宏创自动化设备有限公司进行施工及调试。本次改造覆盖了50多个温泉池，一个恒压供水系统，6个温泉井，一个配电房，一栋多层楼的智能照明。安装调试过程是按模块进行，硬件方面，一部分人进

行温泉池控制系统改造，一部分人水泵房改造，每个模块都有人参与，工作并列进行。软件方面，首先，对软件的变量及画面风格进行统一安排，之后每个不同模块分给负责不同模块的工程师编写，之后组合进一个大的组态软件工程里。此智能控制系统还可以升级改造，将酒店的其他控制设备都并入了此系统中，达到了较好更广泛的控制要求。此系统用户评价较高，之后在可以在其他温泉酒店进行推广。

作者简介：冯友强（1981—），男，汉族，广东河源人。本科学历，硕士学位，工程师与讲师职称，职务：教师，研究方向：自动控制技术。在钢铁，电子加工，城市供水，胶水生产行业的自动化控制有较丰富的经验，对机器视觉，工业网络，机器人也有一定

的研究。

图10 酒店大堂一角照明图

图11 改造前照明控制电箱

（上接第117页）

图1 跟踪参考轨迹的水下机器人三维示意图和水平平面图

图1左侧为跟踪参考轨迹的水下机器人三维示意图，图1右侧为跟踪参考轨迹的水平平面图。图1显示路径的实际状态。从图1中可以看出，水下机器人是给定条件下的第一个机器人。条件位置开始，经过一定的调整后，可以沿着参考回归路径稳定地移动。纵向、横向和纵向三个自由度的位移和方位跟踪误差。在直接自适应神经网络控制器的影响下，系统的超调量在10秒左右得到了显著的降低。约20秒的状态误差几乎为零，说明该控制器具有良好的控制特性。当实际轨迹和参考轨迹发生偏转时，控制输入作用于螺旋桨和舵机，调节水下机器人（李冀永，万磊，黄海，张国成，秦洪德，水下机器人-机械手系统自适应抗扰控制方法：天津大学学报(自然科学与工程技术版)，2018）的工作状态。

将自适应神经网络控制器获得的知识以常数值的形式静态存储，训练控制器的仿真结果如下：

训练控制器作用下系统未知动态分量的近似值，可以在前10秒内逼近未知动态，有效避免了冗余的学习设置过程。与自适应神经

网络控制器相比，该训练控制器具有更好的稳定性和可靠性。状态跟踪误差系统的初始适应时间缩短了约75%，系统稳态误差在几秒内接近于零，超调量显著减小，大大提高了系统管理的效率。

因此，直接自适应神经网络控制器实现了神经网络权值的最终收敛和对控制系统未知动态的严格局部逼近，即训练，并提供更好的参考轨迹跟踪。控制效果:学习控制器的设计完全避免了神经网络权值的再学习，减少了系统过载，减少了设置时间，减少了平稳误差，节省了以后的任务。

4 结论

本文主要结合当前海洋开发的情况以及水下机器人的应用广泛性，提出设计一种基于海底采样的水下清洁机器人，重点对该水下机器人的总体运动控制流程，六自由度的模拟运动控制平台、地面操控平台等进行设计。针对机器人水下轨迹跟踪，提出使用自适应神经网络控制轨迹算法进行运动轨迹的控制，避免了重复训练，提高轨迹跟踪的效率。

基金项目：大连海洋大学2018年大学生创新创业训练计划项目。作者简介：王馨（1998—），男，蒙古族，山东即墨人，大学本科在读，研究方向：自动控制。

通讯作者：马占军（1978—），男，辽宁大连人，现供职于大连海洋大学信息工程学院，大创指导教师，研究方向：船舶电气、智能控制。