基于流场感知的仿生水下机器人环境适应性控制方法研究

Fish have excellent swimming ability, which can quickly adjust the swimming pattern by sensing the changes of the surrounding flow field, in order to achieve the behavior of low mobility and high maneuverability. This project studies on the motion control and dynamics characteristics of bio-inspired underwater robot with the principle of environmental adaption and introducing flow sensing into the control loop. The methods of flow sensing and the characteristic parameters estimation of flow field will be proposed. The characteristics of environmental adaption will be analyzed, and the environmental adaption criteria of fishlike swimming will be extracted by optimization methods or biology research results. Furthermore, the learning control algorithm framework will be set to make that the swimming parameters could adapt to the change of flow field and the environmental adaption could be enhanced. .The flow sensing method proposed is an effect way to improve the swimming efficiency and control performance of bio-inspired underwater robot. The established adaption criterion and control model will help to reveal the hydrodynamic characteristics of high-performance bionic propulsion. The research work will provide theoretical guidance for the optimal design of bio-inspired underwater robot, and has theoretical and practical significance for developing a practical and efficient bionic underwater propulsion device and its control system.

鱼类高超的游动技能来源于其可通过感知鱼体周围的流场变化来迅速调整游动形态，以实现低能耗、高机动的游动行为。受此启发，针对已有仿生水下机器人推进效率低和对复杂环境的适应性不足的现状，本项目将流场感知技术引入仿生水下机器人的运动控制中，构建流场环境适应性基本控制准则，开展仿生水下机器人的运动控制和游动特性研究。主要内容包括探索流场信息感知与流场特征参数估计方法、分析不同流场形态和运动模式下的流体动力学特性、优化仿生游动的环境适应性指标、建立致动参数适应流场变化的仿生推进学习控制模型等。.本项目提出的基于流场感知的环境适应性控制方法是提升仿生水下机器人游动效率和控制性能的重要途径，建立的仿生游动环境适应性准则和控制模型是揭示高效仿生推进下的流体动力特性的重要举措。研究工作将为仿生水下机器人的优化设计提供理论指导，对研制实用、高效的水下仿生推进装置及其控制系统具有重要的理论及实践参考价值。

本项目针对基于流场感知的仿生水下机器人环境适应性控制方法开展研究，探索了鱼类启发的仿生感知-控制回路。构建了水下仿生流体动力学分析平台，实现了感知-控制-动力学-环境全要素数值模拟。以体表有限点处的压强信息为输入，进行了定常流场下的流速感知和非定常流场下的前鱼状态感知。通过数值模拟和文献调研开展了水下仿生环境适应性特性分析，探索了流场信息纳入控制回路的有效途径。研究了以流速感知为输入的迭代学习控制方法，可实现均衡流场下的流速适应性控制；设计了基于前鱼状态感知的强化学习控制算法，可实现单鱼及多鱼的跟随控制；提出了生物集群启发的集群控制方法，可实现任务引导下的集群控制等；研制了具有流场感知功能的仿生水下机器人装置并进行了实验验证。.感知在回路的全要素数值模拟平台基于不同的计算流体力学方法进行了实现，一方面可以开展多维度的计算分析和效果展示，另一方面从可靠性、实时性方面有力支撑控制算法验证。萃取环境特征参数，实现了基于环境感知的适应性控制算法，并拓展了多智能体的情形，丰富了仿生环境适应性控制的问题场景。项目研究对开发实用高效的仿生水下系统具有理论和现实意义，并且可扩展到其它无人系统控制场景。.