引用本文

孟庆鑫, 熊阔, 闫泽, 王亚午, 吴俊东, 苏春翌. 基于三元模型的仿生鱼尾机器人动力学建模与摆动控制. 自动化学报, 2026, 52(5): 1018−1031 doi: 10.16383/j.aas.c250690

Meng Qing-Xin, Xiong Kuo, Yan Ze, Wang Ya-Wu, Wu Jun-Dong, Su Chun-Yi. Dynamics modeling and oscillation control of a biomimetic fish-tail robot based on a three-element model. Acta Automatica Sinica, 2026, 52(5): 1018−1031 doi: 10.16383/j.aas.c250690

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c250690

关键词

仿生机器人，气动驱动器，迟滞效应，摆动控制，三元模型

摘要

随着水下机器人技术的发展, 基于气动驱动的仿生鱼尾机器人因其高灵活性和低噪声特性受到广泛关注. 然而, 气动驱动器固有的非线性迟滞效应与柔顺特性为鱼尾的精确动力学建模与摆动控制带来挑战. 为此, 针对气动仿生鱼尾机器人建立包含弹簧、质量与阻尼的三元动力学模型, 并通过实验数据实现参数辨识, 有效描述该机器人的复杂非线性动力学行为. 进而提出一种前馈−反馈复合控制方法, 基于所建立的模型生成前馈输入以提升响应速度, 结合PID反馈抑制建模误差与外部扰动, 同时基于Lyapunov理论证明系统的渐近稳定性. 实验结果表明, 在定频正弦、变幅变频及随机轨迹等多种工况下, 该方法相较传统PID控制, 具有更高的跟踪精度与动态适应能力, 同时, 反馈补偿与参数辨识也被证明对提升跟踪性能具有关键作用. 水下实验进一步验证了所提方法对辨识误差、未建模动态及外部扰动的适应能力.

文章导读

地球表面约71%被海洋覆盖, 蕴藏着丰富的生物、矿产和能源等资源[1], 是人类可持续发展的重要战略空间. 随着陆地资源日益紧张及对海洋认知需求的提升[2], 深海勘探[3]、水下基础设施巡检[4]、环境监测[5]、灾害预警等应用对水下机器人提出更高要求. 尤其在复杂、非结构化的深海环境中, 亟须具备高自主性、强机动性与长续航能力的新型推进技术[7].

传统螺旋桨或喷水推进系统虽技术成熟、效率较高[8], 但在深海应用中存在明显局限: 易受异物缠绕、产生强水动力噪声与尾流扰动, 影响隐蔽性与传感器精度[9]; 其固定布局也难以实现多自由度灵活运动, 制约着狭小空间内的精细作业能力. 这些瓶颈促使研究者转向自然界寻求灵感. 亿万年演化使水生生物形成高度优化的推进机制[10], 在游动效率、机动性与低噪声方面展现出卓越性能, 为仿生推进技术提供丰富案例[11]. 例如, 仿扇贝[12]通过壳体开合喷射水流产生推力; 仿水母[13]利用伞状体节律收缩形成涡环推进; 而基于海豚尾鳍摆动[14]、鳐鱼胸鳍波动[15]或乌贼喷射[16]等机理的设计, 亦在降低噪声、提升适应性与实现隐蔽运行方面展现出显著优势.

采用身体/尾鳍(body/caudal fin, BCF)摆动推进模式的鱼类, 凭借尾鳍骨骼−肌肉系统的精密协同, 可在高速巡航与低速悬停间灵活切换, 兼具高推进效率、低流场扰动与优异三维机动性, 成为仿生推进研究的核心对象[17]. 现有仿鱼尾机器人多采用曲柄摇杆[18]或伺服连杆机构, 将电机旋转转化为尾鳍摆动, 模拟BCF推进模式, 在简化条件下已验证其可行性. 然而, 这类系统依赖刚性构件与集中驱动, 质量大、惯性强, 难以复现生物体连续柔顺的多自由度形变, 在复杂环境中灵活性与动态响应受限. 同时, 机械传动引入的振动与噪声也制约其在生态敏感区或隐蔽任务中的应用. 因此, 发展更接近生物本体特性的柔性分布式驱动仿生推进系统, 成为突破当前技术瓶颈的关键方向.

近年来, 软体仿生机器人技术[19−20]的快速发展为仿生鱼尾机器人的设计带来全新的思路与实现路径. 随着柔性材料、智能驱动与精密制造工艺的突破, 软体系统凭借优异的柔顺性、大范围连续变形能力与低惯性响应特性, 在运动形态上更趋近于真实生物体[21]. 这些特征恰好对应鱼类通过尾鳍进行高效、低扰动推进的核心机理, 因而激发研究者将软体结构引入水下仿生推进系统的创新尝试[15].

在此背景下, 研究者主要从结构设计与驱动机制两方面开展探索. 在结构层面, 通过构建具有类生物力学特性的柔性主体, 提升系统的运动协调性. 例如, Zhu等[22]设计一种基于可拉伸硅胶材料的仿生脊柱结构, 作为力传递的核心骨架, 有效支持尾部波动的传播; Xia等[23]则引入可折叠的折纸式单元嵌入软体中, 增强局部可控变形能力, 提高对复杂流场的适应性. 在驱动层面, 流体驱动因其良好的形变调控能力逐渐成为主流手段之一. 该方法通过周期性地向软体内部密封腔体输入或释放气体或液体, 诱导材料发生定向弯曲, 从而驱动尾部产生类似鱼类摆动的节律运动. Zhang等[14]利用多腔室气动驱动结构, 通过差压控制实现海豚尾鳍的背腹向摆动; Liu等[24]则采用液压交变驱动仿金枪鱼尾鳍, 生成稳定推力, 并展现出较高的推进效率.

此类基于软体结构与流体驱动相结合的设计, 不仅简化了机械构型、降低了运行噪声, 也增强了机器人在敏感水域中的生态兼容性与隐蔽性, 为未来面向环境监测、生态观测等应用的高性能仿生水下平台奠定了技术基础. 然而, 当前大多数研究仍主要集中于机器人的结构设计、材料优化与静态或周期性运动特性的实验表征, 对主动运动控制的关注相对不足, 尤其缺乏针对尾鳍摆动行为的动态调控机制研究. 事实上, 鱼类之所以能够实现高效游动、快速转向与稳定巡航, 关键不仅在于其尾鳍的形态优势, 更依赖于中枢神经系统对尾部肌肉收缩幅度与频率的精确调控. 对于仿生鱼尾机器人而言, 尾鳍摆动模式直接决定推力生成特性与运动性能. 若无法实现对摆动轨迹、频率响应和相位协调的有效控制, 机器人将难以适应复杂的任务需求, 仅能执行预设节律下的开环振荡动作, 严重限制其自主性与环境适应能力.

实现仿生鱼尾机器人尾部摆动的精准控制, 首要前提是建立可准确描述系统动态行为的动力学模型. 然而, 该类软体机器人的动力学建模存在显著挑战[25]. 一方面, 机器人本体由高度非线性的柔性材料构成, 运动过程中伴随大变形、多场耦合与分布参数特性, 导致传统刚体动力学方法不再适用[26]. 另一方面, 这类机器人所采用的软体驱动器具有典型的黏弹特性, 在周期性驱动下表现出显著的非线性行为, 具体表现为加载与卸载路径不一致的迟滞现象[27]. 这种输入气压与输出形变之间非对称、非线性的映射关系, 使得系统的动态响应难以通过传统的线性模型或稳态模型准确描述.

针对上述问题, 本文致力于仿生鱼尾机器人的动力学建模与摆动控制研究. 首先, 构建一套气动驱动的仿生鱼尾机器人实验平台, 并基于该平台采集不同激励信号下的输入气压与输出摆动幅度之间的实验数据, 用于系统动态特性的分析. 在此基础上, 采用唯象建模方法, 基于三元模型框架建立考虑迟滞非线性的动力学模型, 并利用实验数据对模型参数进行辨识. 进一步地, 基于所获得的动态模型, 设计一种前馈−反馈复合控制策略, 其中前馈部分通过构建逆动力学模型实现对期望轨迹的主动补偿, 用以抵消迟滞及动态耦合效应; 反馈部分采用比例−积分−微分(proportional-integral-derivative, PID)控制器以抑制模型不确定性与外部扰动带来的跟踪误差. 该复合控制系统的渐近稳定性通过Lyapunov理论严格证明. 最后, 通过实验验证所建立模型的准确性以及摆动控制策略的有效性.

图1  仿生鱼尾机器人设计概念

图2  气动仿生肌肉的结构

图3  仿生鱼尾机器人实验平台

本文围绕气动驱动仿生鱼尾机器人的高精度摆动控制问题, 开展动力学建模、控制器设计与实验验证工作. 针对气动人工肌肉固有的非线性迟滞与软体驱动特性, 构建包含质量、阻尼和刚度的三元件集中参数动力学模型, 并利用实验采集的数据对参数进行辨识, 使模型能够较好地复现系统在不同频率下的动态响应行为. 在此基础上, 提出一种融合模型信息的前馈−反馈复合控制方法, 利用动力学模型生成前馈控制输入以提升响应速度, 结合PID反馈抑制建模误差与扰动. 为进一步保证控制系统的稳定性, 构造Lyapunov函数并严格分析闭环系统的渐近收敛性. 实验结果表明该方法在多种工况下均优于传统PID控制, 不仅能有效实现高性能的摆动控制, 在水下环境中也保持优异的控制精度, 展现所提控制策略的有效性及对外部环境的适应能力. 未来将面向水下自由游动工况, 开展仿生鱼尾机器人与航行器的集成研究, 进一步探究鱼尾摆动频率与幅值对航行器推力和转向力的调控机制. 同时, 考虑采用柔性接触式传感器替代激光位移传感器, 并针对其输入−输出非线性特征开展补偿研究, 以增强系统在实际工程场景中的应用能力.

作者简介

孟庆鑫

中国地质大学(武汉)人工智能与自动化学院教授. 主要研究方向为柔性机器人控制, 气动软体机器人设计、建模与控制. 本文通信作者. E-mail: mengqx@cug.edu.cn

熊阔

中国地质大学(武汉)人工智能与自动化学院硕士研究生. 主要研究方向为软体机器人控制. E-mail: 1202421842@cug.edu.cn

闫泽

中国地质大学(武汉)人工智能与自动化学院副教授. 主要研究方向为柔性机器人控制. E-mail: yanz@cug.edu.cn

王亚午

中国地质大学(武汉)人工智能与自动化学院教授. 主要研究方向为机器人控制, 非线性系统控制. E-mail: wangyawu@cug.edu.cn

吴俊东

中国地质大学(武汉)人工智能与自动化学院教授. 主要研究方向为软体机器人, 非线性系统控制. E-mail: jdwu@cug.edu.cn

苏春翌

湖北工业大学机械工程学院教授. 主要研究方向为机器人控制, 非线性系统控制和软体机器人. E-mail: chun-yi.su@concordia.ca

支持单位：