针对仿生水下机器人性能受限的现状,提出两个问题(1)能否在模仿鱼类外在运动形式的基础之上,进一步从鱼类适应水流环境的自调节自学习技能中获取更深层次的仿生学启示?(2)如果可行,能否将所获取的仿生学启示与先进学习控制方法相融合,以改善现有仿生水下机器人的性能?围绕上述问题,剖析鱼类感知水流环境、调节自身运动规律、提高游动性能的适应性机理,将仿生工程学和迭代学习控制理论相融合,提出了仿生水下机器人流场适应性技术,分别研究CFD在回路的理论型仿生流场适应性控制方法和基于有限点流场信息感知的实用型仿生流场适应性控制方法,探索仿生水下机器人从"形仿"(模仿鱼类运动形式)到"神仿"(模仿鱼类游动适应性技能)的新思路,实现仿生工程学方法和先进控制理论在水下机器人领域的有益融合,为研制出实用的新型仿生水下机器人提供新思路、储备新技术。
Fish-like robots;Flow adaptive control;Iterative learning;CFD-in-loop;Virtual flow sensing
经过漫长的进化过程,鱼类在复杂水域能够游动自如,呈现出稳定、机动、高效、低噪等优良特性。依据仿生学原理,科学家和工程技术人员研制了诸多仿鱼水下推进器及其原型系统。本项目旨在探索受鱼类环境适应能力启发的仿生流场适应性控制方法,在实现鱼类外观运动形式模仿的基础之上,进一步从鱼类适应复杂环境的技能中获取更深层次的仿生学启示,并将其与先进学习控制方法相融合,以期提升现有仿生水下机器人性能。 项目确立了鱼类游动观测、机理探索、数值模拟、控制算法设计和实验验证相结合的研究方案。首先,构建了水流环境可调节的双视角同步成像观测系统,开展“黑魔鬼”和“鲫鱼”两类活鱼样本游动行为的观测和分析,构建了鱼类游动适应性观测数据库,获取了鱼类游动行为和水流环境之间的表征关系。其次,构建了仿生游动CFD动网格计算平台,提出仿生水下机器人体表有限点流场信息虚拟感知方法,弥补微型流场感知器难以获取的缺陷,探索了两类仿生流场适应性控制方法,即基于内部状态感知的迭代学习型控制方法和基于CFD流场信息感知的反射型控制方法。最后,依托课题组研制的仿生波动鳍和仿生尾鳍原理样机系统以及仿生游动CFD平台,开展仿生流场适应性控制方法的实验研究,验证了所提方法的有效性和可行性。研究结果表明,项目探索了仿生水下机器人从“形仿”到“神仿”的新思路,实现了仿生工程学方法和先进控制理论在水下机器人领域的有益融合,为研制出实用的新型仿生水下机器人提供了新思路、储备了新技术。? 项目的部分研究成果已经发表到IEEE-ASME Transactions on Mechatronics, Advanced Robotics, International Journal of Advanced Robotic Systems, International Conference on Intelligent Robots and Systems(IROS)等领域期刊与会议。