作者：沈艳
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
仿生机器鱼原理及应用试读：
前言
随着人类社会的急速发展，占地球大部分表面积的海洋自身蕴含着丰富的食物、矿产等资源促使人类不断探索和开发海洋。为了充分利用海洋资源，各种船只、潜水艇及水下机器人等被广泛地使用和设计，虽然这些水上及水下作业的机器已经拓展了人类的生存空间，但是其效率较低的特点也迫使人类不断探索新的水下推进技术。鱼类以其卓越的游动能力和机动性给人类提高水下机器人系统的推进操控性能及与水环境的交互性能带来了希望。鱼类的高速、高效游动，吸引着学者们研究鱼类的推进机理，并利用所研究的推进机理研制一些水下仿生学机器人，并希望在实际的船只、潜艇等水上水下作业的器械上加以利用，以提高其机动性和效率。
本书旨在汇集作者和其他学者近年来的研究成果，反映国内外机器鱼研究和应用的最新进展，以期推动水下仿生机器鱼的研究和发展。在本书的编写和机器鱼研究与开发过程中，得到众多国内外专家的亲切关怀和广大读者的热情支持与帮助。美国密歇根州立大学的Xiaobo Tan教授、Guoliang Xing教授、Jianxun Wang博士、Hong Lei博士、Yu Wang博士，香港理工大学的邵子立副教授，澳大利亚La Trobe大学的王殿辉教授，哈尔滨工业大学陈松林教授等，给予了作者大力支持和悉心指导，电子工业出版社的有关领导和赵玉山老师为本书的出版付出了辛勤劳动，借此向他们表示最诚挚的谢意。
最后，特别感谢国家自然科学基金项目“机器鱼传感网络的低功耗协作调度关键技术研究（No.61472050）”、四川省应用基础研究计划“机器鱼物联网能量感知协调控制研究（No.2014JY0257）”、国家自然科学基金重点项目“嵌入式系统的低能耗软件设计方法与技术研究（No.61332001）”、国家自然科学基金项目“智能移动嵌入式系统的协同节能关键技术研究（No. 61272104）”、四川省科技计划项目“基于自主可控RFID的物联网关键技术研发及应用（No.2015GZ0103）”以及成都市科技惠民技术研发项目“低功耗的嵌入式操作系统及中间件技术研究（No.2014-HM01-00326-SF）”等项目对本项研究的资助与支持。
本书由沈艳、郭兵、章洁等执笔完成，参与本书编写工作的还有许启新、司豪、薛静静、张榕等。仿生机器鱼的研究仍处于快速发展时期，作者对许多问题仍未深入研究，一些有价值的新内容也来不及收入本书。由于作者知识和水平有限，加上编写时间较紧，书中错误之处在所难免，希望各位专家和读者批评指正。沈艳2016年8月第1章 绪论1.1 仿生机器鱼研究的背景
随着陆地资源日益减少和枯竭，人们把目光投向了占据地球71%的面积且蕴藏丰富资源和巨大开发价值的海洋和河流。海洋和河流不仅是孕育生命的摇篮，存储资源的宝库，也是交通运输的要道。根据联合国“21世纪议程”，海洋和河流不仅是全球生命支持系统的基本组成部分，也是一种有助于实现可持续发展的宝贵财富。因此，随着海洋和河流逐渐成为人类未来发展的新领域，一场以开发海洋和河流资源为标志的“蓝色革命”正在世界范围内兴起。例如，各国通过在海底铺设输油、输气管道开采海洋石油和天然气，目前世界海底管道铺设的水深已达2150米。
然而，人们在探索和利用水资源的同时，不可避免地对其造成很大的破坏。工业污染源、农业污染源和生活污染源对水环境的污染日益严重，出现了水域富营养化严重、重金属元素超标等严重问题，特别是近年来海域漏油事件造成了严重的生态灾难，如2010年4月，Mexico海湾外海油污外漏事件严重影响海洋多种生物以及当地的渔业和旅游业，2011年中国蓬莱19-3油田溢油事故和2010年大连新港“7•16”油污事件对邻近海域生态环境造成污染。中国国家海洋局发布的《2012年中国海洋环境状况公报》中指出：我国近岸海域水体污染、生态受损、灾害多发环境问题依然突出。因此，水资源的实时检测技术已经提上了环境保护科学的日程安排，例如，水中污染物质的浓度大小与分布区域是随着时间、地点、气象条件及污染源排放情况等诸多因素实时变化的，定时定点进行人工采样所获得的测量结果不能准确反映污染物的动态变化情况，难以及时提供污染现状并预测发展趋势。为了及时获得污染物在水中动态变化的准确信息，正确分析水质污染状况，更好地研究污染物扩散、转移和转化规律，人们迫切需要一种实时智能自动检测湖泊或河流水质污染的技术。该技术既能省去繁琐的人力物力，又能增强水质污染检测技术的智能性与可靠性。
另一方面，水环境的恶劣性、复杂性、高度的腐蚀性、强压力和对传感器的不透明性使得水环境下的作业任务发生了很大变化，一般的潜水技术已无法适应水下现代高深度综合考察、研究以及完成各种作业和应用的需要。这促进了用于水环境下的机器人、航潜器以及传[1][2]感器网络的研究和发展，。
当前，用于水环境下的航潜器种类较多，主要分为四类：拖拽式潜水器、遥控式水下航潜器（ROV：Remotely Operated Vehicle）、无人无缆水下航潜器（UUV：Unmanned Underwater Vehicle）、自主式水下航潜器（AUV：Autonomous Underwater Vehicle）。
拖曳式潜水器一般被拖在母船后面，其表面安装有各种传感器。拖曳式潜水器主要用于军事和科学研究，主要用于观察识别定位、搜索、细致测绘、水质分析、放射性测量等。
第一个遥控式水下机器人于1953年研制成功。20世纪70年代后，由于海洋工程和近海石油开发的需要，遥控式水下机器人得以迅速发展，目前已发展到上千艘，较著名的有Apparat、Skat Geo、Robbin等，典型的遥控式水下机器人如图1.1所示。图1.1 遥控式水下机器人（SYSRQV T300）
无人无缆水下航潜器是一种以潜艇或水面舰船为支援平台，可长时间在水下自主远程航行的、可以回收的无人智能小型武器装备平台。无人无缆水下航潜器主要用于水下侦察、遥控猎雷和作战等。
自主式水下航潜器又称为智能水下机器人，它是伴随着计算机技术、通信技术、人工智能的发展而出现的新型智能化的水下机器人，如图1.2所示。作为探索海洋和河流的主要工具，因其活动范围大、智能水平高、作业费用低等特点，在民用和军事领域有着广泛的应用[3]。例如，加拿大耗时5年时间开发的Theseus AUV，用于铺设北冰洋中冰层覆盖下的海底光缆以及远程调查等；英国于1995年开发了一部用于海洋科学研究的AUTOSUB-1 AUV。图1.2 自主式水下航行器
由于AUV以电磁马达或液压马达作为原动机，采用螺旋桨和叶轮等原理制造，存在体积大、质量重、推进效率低、瞬时响应严重滞后、能耗大、噪声大、加速性能弱、运动灵活性差以及对环境扰动大等缺点，极大地限制了其在狭窄、复杂和动态环境中的应用。因此，研究人员力求寻找一种具有结构简单、高效率、高机动性、低扰动的运动特点和对复杂生存环境的高度适应性等特点的新型水下航行器，以适应海洋和河流开发与探索以及水环境监控的需求。
近年来，随着仿生学、人工智能的不断进步以及机器人技术的发展，仿生机器鱼（Biomimetic Robotic Fish）的研究成为鱼类推进机理和机器人技术的结合点。所谓仿生机器鱼是参照鱼类游动的推进机理，利用机械电子元器件或智能材料（Smart Material）实现水下推[4]进的一种运动装置。由于机器鱼研究以鱼类的解剖学结构及其游动技能为基础，这使得机器鱼的运动更符合流体力学原理，具有更好的加速和转向能力。因此，与传统的基于螺旋桨的水下航行器相比，机[5]器鱼具有以下特点：（1）结构简单，仿生性能良好。机器鱼在外形以及游动方式上都与自然界中的鱼类相似，对海洋生态的影响较小。机器鱼实现桨舵功能的融合，精简了机构，不仅有利于实现水下机器人的小型化、微型化，而且降低了制造成本。（2）机动性能优异。机器鱼通过身体和鱼鳍的协调运动，可提高快速启动、上升、下潜、悬停定位以及机动转弯的性能，其转向半径为其身体长度的10%～30%，增强了机器鱼在复杂水下环境中的作业能力。而螺旋桨推进方式下的舰艇在高速行驶时需要以3～5倍体长的转向半径缓慢回转。（3）推进效率高。当前螺旋桨船舶的推进总效率不超过60%。采用仿生推进器，其推进效率可提高30%以上，从而节省能源，延长水下作业时间，提高续航能力。（4）隐蔽性好。螺旋桨在高速旋转时会产生过多不需要的紊流、非定常的涡流和热量，并伴随大量的空泡噪音、扰动噪音。而采用仿生波动式或摆动式运动，其尾流与鱼类类似，对环境的扰动小，很难被水下声呐装置探测到，有利于隐身和突防。（5）方便信息传输。机器鱼的设计以模块组装为主，可以将各种传感器、摄像机及卫星跟踪系统插入主模块，及时向海上和陆地的控制中心发送水下信息资料，控制中心也可以利用卫星跟踪系统提供的数据，准确地判断出机器鱼的海底坐标，从而大大提高探测效率。
虽然仿生机器鱼推进器因鱼类推进理论尚不成熟，波动推进的技术实现手段不够高明，但仿生鱼以其上述优点，具有重要的研究价值[4][5][6][7]和应用前景，，，。（1）军事应用领域。目前装载在舰船和潜艇上的常规螺旋桨推进，其工作噪声大，对环境的扰动大，不利于隐蔽。针对军事应用对推进器的机动性和隐蔽性的较高要求，机器鱼体积小，续航能力强，而且运动形式酷似活鱼，其游动方式和运动时产生的低噪声，因此，机器鱼在执行远距离侦察任务时不容易被对方发觉。同时，其高度的机动性使其自由进出复杂的管道、缝隙、洞穴，既可侦察，也可隐藏。在必要的时候，机器鱼可以携带爆破装置对重要的目标进行破坏，扫除前进道路或重要航道上的危险物品等。（2）水环境探险。在海洋探险中，对未知水域的探索存在一定的危险性，机器鱼作为先头部队预先对该区域进行探测，其能源利用率高，可以满足作业时间长，作业范围大的使用要求。（3）水生生物探索。螺旋桨水下推进对环境的扰动大，不仅不利于研究者接近和跟踪要研究的水生生物，还可能对其造成伤害，甚至造成死亡。机器鱼具有和鱼类相同的运动方式，容易接近水生生物，进行近距离观测，有效地记录其生活习性、自然状况、进食情况等信息，以便进行深入研究。（4）水下考古。水下考古作业是一项非常复杂的作业。由于自然环境的变迁、人类活动以及海洋、天气变化等诸多因素影响，许多见证历史的历史遗迹和沉船沉没于水底。这些历史遗迹和水下沉船的考察和打捞是相当困难的。机器鱼依靠高度的机动性可以容易地进出淹没于水下的建筑物、沉眠于水下的沉船，为考古、打捞人员提供水下情况的详细信息，便于他们研究与分析。（5）狭窄空间内的检测。对于复杂的、空间狭窄、空间结构复杂的场所，如管道检测，机器鱼可携带必要的检测设备，自由穿梭于复杂的管道中，代替工作人员进入需要检测的区域，完成检测，并将检测结果发送回来。（6）水资源监测。随着工业化进程的加快，水资源受到不同程度的污染，利用机器鱼替代人工进行水质监测，实时监测水环境的水质水平，有助于及时察觉水质变化，对水环境的保护具有重要意义。（7）娱乐领域。机器鱼可以设计成各种鱼类的形体，包括只能在深海中活动的鱼类，灭绝或即将灭绝的鱼类。通过对这些鱼类的仿生设计，可以在如水族馆、博物馆现场展示这类鱼的风采，丰富普通群众的视野。
鱼类经过长期的自然选择，进化出性能完备的游动机能和器官，[8]为人类研制新型水下推进控制系统提供了模仿对象。随着流体力学、材料学、传感技术和控制技术的不断融合，机器鱼能够像鱼一样灵活地游动，机器鱼群像鱼群一样相互协作的愿望将会变为现实。1.2 仿生机器鱼的发展与现状
当前，仿生机器鱼的研究受到各国越来越多的学者，尤其是发达国家（如美国、日本和欧洲国家）的高度重视，在鱼类游动机理、驱动材料、推进技术、控制技术、能源供给和水下通讯技术等方面已开展了很多研究工作，希望能够实现集高效、灵活和隐形于一体的新型水下机器人。1.2.1 仿生机器鱼系统研制
机器鱼的研究重点之一是从仿生的角度研制快速、高效、高机动性的机器鱼。美国麻省理工大学（MIT）David Barrett等人在对金枪鱼的身体特征和游动形式长期研究的基础上，于1994年开发研制了世界上第一条仿生机器鱼RoboTuna，如图1.3（a）所示。该机器鱼鱼体长约1.2m，采用6台大扭力直流伺服电机驱动控制各关节转角，骨架部分的设计不仅充分考虑到鱼体游动时的刚性和柔韧性要求，而且兼顾鱼整体曲线的平顺性。鱼皮采用高弹性的纤维表皮，极大地降低了水对鱼体的摩擦阻力，其最大游动速度可达2m/s，推进效率高达90%。1995年MIT又推出了改进版的RoboTuna，名为Pike，如图1.3（b）所示。1998年，该实验室成功研制出以黄鳍金枪鱼为设计原型的VCUUV，如图1.3（c）所示。该机器鱼体长2.5m，身体完全由一整块柔软的聚合体材料制成，具有较强的防水性能。VCUUV相对[9][10][11]于之前的两代机器鱼具有更好的机动性和运动的稳定性，，，[12]。图1.3 MIT研制的仿生金枪鱼
2014年，美国海军在小溪-斯多利堡联合远征基地（JEBLC-FS）进行了“幽灵泳者”的水中测试，如图1.4所示。该机器的头部可安装声学传感器和水下摄像机等载荷，最快直游速度达40节（约74.08km/h）。图1.4 幽灵泳者
英国Essex大学成功研制出身长4.9英尺、外形似宝石般且具有自主控制能力的机器鱼，如图1.5所示。该机器鱼曾在伦敦水族馆进行了展览。路透伦敦2012年5月报道，经过改进的5条类似的机器鱼被部署到西班牙北部港口希洪（Gijon)进行海洋测试，如图1.6所示。它们借助于更长的电池寿命以及更为先进的传感器，互相协调，对港口的海水进行采样，检测水质的污染状况，执行搜寻水中污染物的巡逻任务。它们一次能够执行大约8小时的探测任务，并无线传输勘测数据，帮助相关政府部门及时快速地追踪污染泄漏源或非法倾倒的污染[13]物。图1.5 Essex大学研制的机器鱼图1.6 搜索污染水源所用的机器鱼
美国密歇根州立大学Xiaobo Tan领导的SML（Smart Microsystem Lab，智能微小系统实验室）开发了各种类型的机器鱼[14][15]，，如图1.7所示。在此基础上，将这些机器鱼组建成传感网络，用于收集河流、海洋中有价值的数据，这些数据将有助于人类对河流[16][17]的清理，。另一方面，该实验室已开始开展机器鱼能耗问题的研究，着手研究低能耗机器鱼。图1.7 MSU研制的机器鱼
日本对于仿生机器鱼的研究中添加了很多智能材料，例如，通过对智能伸缩材料或者记忆合金（SMA，Shape Memory Alloy）的控制使鱼体产生近似于肌肉牵制的摆动，使其更接近于真鱼的波动。图1.8为日本运输省船舶技术研究所的Koichi Hirata教授的研究组研制出的机器鱼的样机。其中，UPF-2001机器金枪鱼长约0.97m，最大速度约0.97m/s。UPF-2001是一个高性能机器鱼实验平台，能根据不同的应用要求，对鱼体进行变形调整，如调长鱼体增加稳定性，减少阻力，[18]提高巡航速度；缩短鱼体则可提高转弯机动性。图1.8 日本研制的机器鱼样机
1999年，日本三菱公司（MHI）研制出仿腔棘鱼类机器鱼Mitsubishi Animatronics，长约0.7m，重约12kg，游速0.26m/s，尾鳍部分由硅树脂橡胶制作而成。该机器鱼由外部计算机控制，内部电池供电。同年，东京工业大学研制出了具有两关节自推进的自主导航机器海豚，与实际海豚大小类似，长约1.75m，游速约1.15m/s。2005年，日本大阪大学的Endo.S以硅胶材质制作了一双启动空腔推动的仿生机器鱼，如图1.9所示，其体积仅为手掌大小，游动速度却达到0.1m/s。图1.9 日本大阪大学研制的机器鱼
德国Festo公司于2007年研制出的胸鳍摆动仿生机器鱼Aqua_ray，如图1.10所示。该机器鱼长615mm、翼展960mm，最大速度达0.5m/s。图1.10 德国研制的机器鱼
北京航空航天大学对机器鱼的结构设计、控制以及运动机理等内容进行了研究，先后研制了仿生鳗鲡机器鱼、仿海豚机器鱼以及SPC系列，图1.11为SPC机器鱼。其中SPC-Ⅱ仿生机器鱼由动力推进系统、图像采集和图像信号无线传输系统、计算机指挥控制平台3部分组成。它的最高时速可达1.5m/s，能够在水下连续工作2～3小时。2004年，SPC机器鱼辅助了考古专家对福建郑成功古战舰遗址进行[19][20]水下探测，。图1.11 北京航空航天大学研制的SPC机器鱼
中科院自动化所在对鱼类深入观察的基础上，开发了多种类型的微小型机器鱼以及多机器鱼协调控制系统，并对机器鱼的控制、感知能力以及协调控制方法开展了深入的研究。图1.12所示为该研究组的微小型仿生鱼越障实验。同时，课题组还针对以仿生机器鱼为传感器网络节点的传感网络系统进行了深入研究，为仿生机器鱼的广泛应用[21]奠定了基础。图1.12 微小型机器鱼越障实验
哈尔滨工程大学研究组研制了“仿生-Ⅰ”号机器鱼原理样机[22]，如图1.13所示，该鱼以蓝鳍金枪鱼为蓝本，配有月牙形尾鳍和一对联动胸鳍，体长2.4m，由体内的伺服电机分别驱动胸鳍和尾鳍以得到摆动运动，其尾鳍摆动1.33Hz时，最高游速达1.2m/s。图1.13 仿生-I号机器鱼原理样机
哈尔滨工业大学成功研制了“HRF-I”号和“HRF-Ⅱ”号机器鱼原理样机，并建立了实验平台，利用弹性部件来提高驱动效率。如图[23]1.14所示，机器鱼游速可达到0.5m/s。图1.14 “HRF-I”号和“HRF-Ⅱ”号机器鱼原理样机
2006年，北京大学设计出具有四个俯仰关节和一个偏航关节的机器海豚，如图1.15所示。该机器海豚长700mm、重约5kg、最大直游速度为0.44m/s。北京大学通过模仿盒子鱼研制了一款靠一对胸鳍和尾鳍推进的机器鱼，并在此基础上研究了多机器鱼协作推箱子策略[24]。图1.15 北京大学研制的机器海豚图
2009年，国防科学技术大学通过采用多鳍条驱动的方式，制作出了仿胸鳍样机，如图1.16所示。在水箱实验时，该样机的左右胸鳍同时运动，前进速度达0.13m/s、后退速度达0.15m/s。图1.16 国防科技大学研制的仿胸鳍样机1.2.2 仿生机器鱼推进机理研究
鱼类的推进模式是研制机器鱼的基础。因此，机器鱼的研究重点之一是深入探索鱼类高效、快速游动的机理，建立简单实用的动力学和运动学模型。人类对于鱼类游动的研究很早就有记录，希腊学者亚里士多德在《动物史》记录了鱼类的形体和运动。1936年，英国生物学家Gray以20节的速度在水中拖动一个刚性海豚模型，发现所需要的功率是活体海豚自行游动所消耗功率的7倍，并由此推断在海豚游动中存在重要的减阻机制，提出了著名的Gray疑题并引发了众多[25]讨论，直接推动了鱼类推进机理的研究。随着数学理论、成像技术、计算机数值模拟技术、电气、材料等科技的发展，人类对于鱼游的研究也日新月异。
目前，机器鱼的推进理论按照选取的主要作用力不同，分为抗力理论（Resistive force theory)和反作用力理论（Reactive force theory），前者主要强调水的粘性力作用，后者主要强调虚质量效应，即水的惯性力作用。
G.I.Taylor为了计算微生物运动的流体作用力，采用“静态流体理论”建立了抗水动力学模型。该模型的前提是将运动中的鱼体与流体的相互作用力分为抗力和粘性阻力，两者的大小与鱼体相对于流体的瞬时速度成正比。该方法是一种准定常方法，用定常流理论计算鱼体游动的某一时刻所受的水动力，由于忽略了流体运动的惯性力且鱼体运动方式与形状轮廓过于简化，因此对低雷诺数的情况比较适合[26]。
大多数鱼类的体态为细长体，即沿鱼脊椎方向的尺度较长，垂直[27][28][29][30]于鱼脊椎的截面变化率相对较小。Lighthill提出了“细长体理论（EBT，Elongated body theory）”，并运用到小摆幅鱼游，总结出鱼类高效推进的条件，解释鲹科鱼类推进模式的数学模型。比如前进速度是体波传递速度的4/5；鱼体波幅值在鱼头部分最小为0，在尾部达到最大；为了减小横移和转动，体波应在侧向产生对称作用力等。1971年提出了“大振幅细长体理论”（LAEBT，Large Amplitude Elongated Body Theory），适用于尾鳍摆动幅值较大的鱼体运动分析。理论的主要特色在于通过控制体内动量的变化率来解释鱼类推进，而不考虑复杂的尾涡作用。该理论广泛用于分析鳗鲡、鲹科和鲔科推进模式。最近引入的流体可视化研究结果部分支持了LAEBT理论分析的正确性。
吴耀祖（T.Y.Wu）展到三维，基于小幅波动面的线性非定常势流理论研究了任意平面形状、展弦比的波动板，形成三维波动板理论[33]（3DWPT，3-Dimension Wave plate theory）。该理论利用势流理论中的涡环面元法同时在时域和频域内进行求解，使用半解析半数值方法给出的三维非定常线性解证实了细长体理论所揭示的定性规律。该理论已经在尾鳍的机械特性与鱼体波动与受力状态的分析上得到应用。2002年王天苗等研究者以鱼的脊椎曲线为研究对象，通过对鱼类游动观测实验以及仿生机器鳗鱼的研制，提出了“波动推进理论”[34]及其分析方法，并验证了该理论的有效性。
作动盘理论（Actuator-disc theory）是动量原理在流体动力学中的特殊应用，其基本原理是将作用于流体上的推进机构简化为理想装置，即作动盘。当流体流经作动盘时，其周围压强增大，通过对整个[35]作动盘表面上的压强增量进行积分计算出流体对其产生的推力。作动盘理论的主要优点是不需要获得推进机构的详细动力学特性。然而，鱼类是通过对涡的生成、脱落、耗散全过程灵活自如的控制，从而实现高效推进的。因此，尾迹中不可避免地存在脱落的涡而且其能量消耗不可忽略，很难完全满足上述假设条件。
上述理论对鱼类游动过程中的涡流和漩涡等因素进行了不同程度的简化和假设，不能精确描述真实鱼类的游动过程，具有一定的局限性，其计算结果仅能定性地指导仿生机器鱼的设计。但这些理论研究成果仍具有强大的生命力，对于建立机器鱼实用的动力学和运动学模型、预测其游动性能提供了理论基础。
另一方面，一些研究者通过使用DPIV（Digital particle Image [58]Vorticity，数字粒子成像测速仪）观测真实鱼类的游动过程，可以定性分析鱼类的游动机理，但是不能给出描述鱼类游动的数学表达。为了弥补实验研究的不足，利用计算流体力学（CFD，Computational Fluid Dynamics）仿真计算分析仿生机器鱼的游动性能[59]与运动参数、外形等因素之间的关系，辅助仿生机器鱼的优化设计，但是CFD仿真必须以仿生机器鱼的游动模型、流体边界条件为前提，因而仿真结果受游动模型精度、边界条件选取的影响。1.2.3 仿生机器鱼控制方法研究
机器鱼是一个复杂的非线性欠驱动系统，建立精确的数学模型非常困难，同时，机器鱼对输入有严格的限制，导致它的位姿控制非常复杂，传统的控制方法很难满足需要。Morgansen K等建立了一个简易的机器鱼模型，在忽略水和鱼体之间的作用力的前提下，将其局部线性化后给出了一个开环的控制策略。如果存在模型的不确定性或外界的扰动，该策略将无法保证系统的稳定性性控制策略，并分别给出[66]了开环和闭环控制的实验结果。Xu等研究了一个多关节尾鳍式机器鱼，提出一种使用力矩作为输入的滑模控制法，仿真结果表明靠近马达的尾鳍摆动角控制很精确，并且可以抵抗不确定性。不足之处是滑模面的切换不够平滑，会产生一定振荡，给控制带来不利的影响。[67]Hu等提出了一种基于视觉的目标跟踪控制方法，采用模糊控制策略控制机器鱼移动。Chen等提出了一种基于Back-Stepping法的混合[68]控制方法，实现了在开环控制和闭环控制之间切换，但该方法使机器鱼的尾鳍摆动较大，频繁地在两个极限角度之间转换，给机器鱼的硬件实现带来了一定压力。Cochran等基于极值搜索算法设计了机[69]器鱼控制器。极值搜索算法将一个周期扰动信号叠加到被控系统最优输入的一个估计值上，探查输出信号的邻域，从而获得输出信号的梯度信息。由于扰动信号的存在，极值搜索算法可以直接处理机器鱼输出的振荡信号，为控制带来极大便利。但在面对较复杂的系统模型时，极值搜索算法无法准确分析系统的状态变化，也无法处理包含约束的系统。
近年来，基于中枢模式发生器的方法越来越多地被用于各种类型的机器人及运动模式上。如CPG（Central Pattern Generator），它是由中间神经元构成的局部振荡网络，通过神经元之间的相互抑制实现自激振荡，产生具有稳定相位互锁关系的多路（或单路）周期信号，[70]控制肢体或躯体相关部位的节律运动。1.2.4 多仿生机器鱼协调与协作研究
相对于陆上机器人，国际上关于水下机器人协调与协作方法的研究相对比较少，尤其是对于采用特殊推进方式的仿生机器鱼协调控制方法的研究，目前成果不多。美国麻省理工大学的Zhang等利用多台搭载不同类型的传感器的水下机器人构成的移动传感网络，实现了特[43]定海域协作标图与海洋立体调查目标无碰撞趋近。葡萄牙波尔图大学的Cruz等用多水下机器人组成了海洋资料数据收集系统，用以执行海洋生态环境调查、海底地质地貌的勘测、水下考古及污染监测等[44]任务。英国Nekton研究机构开发的水下多智能体平台（UMAP），从事于多水下机器人分布式搜索算法、编队控制、海洋立体调查等相[45][46][47]关问题的研究。美国海军研究生院主要研究多水下机器人进行协调雷区的探测和清除，开发了多水下机器人虚拟仿真环境，并给出了多水下机器人协作灭雷的仿真结果。Healey采用主从控制算法为每个机器人预设置搜索路径，如有机器人失踪，主控机器人下令其余机器人继续完成失踪机器人的任务，研究结果表明多水下机器人用于雷区的探测和清除可以极大地提高搜索效率和减少遗漏的水雷数量[63][64]，。
国内对水下机器人协作控制的研究也取得了一定的研究成果。中科院自动化所和北航机器人所联合开展了多微小型仿生机器鱼群体协[48]作与控制的研究，初步建立了多仿生机器鱼协作平台。北京大学工学院智能控制实验室在微小型仿生机器鱼的研究基础上建立了一套较完善的基于全局视觉的多仿生机器鱼协作系统，开展了多机器鱼控制体系结构、协调协作策略和算法等方面的研究，成功地实现了多机器鱼协作搬运、任务分配、队形控制、协作爆破、群体巡游及水球比赛等具有代表性的协作任务，如Zhang等结合模糊控制理论，提出了[49]极限环方法，解决了多仿生机器鱼的协作搬运问题以及机器鱼与[50]动态障碍物之间的避碰问题；Shao等考虑了几何外形和机械性能对机器鱼的约束，结合Leader-Follower方法，提出了基于几何理论的队形形成方法，并通过引入曲率坐标来描述不同成员在队形中相对位[51]置，实现了编队跟踪；Zou等结合神经网络和滑模控制方法实现了[52]多仿生机器鱼的轨迹跟踪；Zhao等在Leader-Follower框架下，采用Bezier曲线描述个体期望轨迹，确定机器鱼的期望角速度，利用模糊控制器控制机器鱼的线速度，解决了多自主机器鱼的编队控制问题[53]；Hu等采用拍卖-投标的任务分配方法，解决了多自主机器鱼分布[54]式协作搬运问题；Shao等利用模糊强化学习方法实现了对抗环境[55][47]下的机器鱼协作顶球任务，。哈尔滨工程大学海洋工程中心的研究工作主要是针对多智能水下机器人系统在海洋探测、协调自主作业等方面，开展了多水下机器人系统的体系结构问题、协调与协作问[56]题、多平台数据融合问题以及实验等研究。文献[62]在Leader-Follower框架下，利用人工势场方法，实现了多机器鱼的编队控制与避障。1.3 仿生机器鱼的研究内容
仿生机器鱼研究是一个多学科交叉、融合的研究领域，涉及仿生学、流体力学、材料学、控制论、电子学以及机械工程学等多个学科．目前，仿生机器鱼系统研究已经取得了良好的进展，实现了仿生机器鱼在水中的三维游动、快速启动、快速转弯等，在推进速度、推进效率方面有了较大提高，但与真实鱼类的游动还存在非常明显的差距．所以，为了进一步提高仿生机器鱼系统的性能，仿生机器鱼研究[57]还应针对以下几个主要问题深入开展工作：（1）深入探索鱼类高效、快速游动的机理，建立简单实用的动力学和运动学模型
在研究推进机理方面，理论建模、数值模拟以及实验测量三种方法各有优缺点，但又相辅相成。因此，合理结合使用这三种方法，取长补短，深入研究仿生机器鱼游动的推进机理，为仿生机器鱼系统优化设计与控制提供依据。（2）根据所建立的动力学和运动学模型，研制快速、高效、高机动性的仿生机器鱼
根据所建立的机器鱼的动力学和运动学模型，分析仿生机器鱼的游动性能与运动参数、外形等因素之间的关系，辅助仿生机器鱼的优化设计。此外，可进一步通过水动力学实验方法对机构设计进行检验、测试和优化。（3）机器鱼的运动控制研究
仿生机器鱼实验高效、高机动运动，除受外形和机构因素影响外，其游动运动的控制也至关重要。因此，通过研究仿生机器鱼的实时运动控制方法，抑制扰动，从而实现机器鱼高效、高速、高机动三维空间运动和姿态稳定。例如，要想使机器鱼准确到达指定位置，并且能够在游动过程中躲避障碍物，就必须利用各种传感器对游动过程中的状态参数进行测量，并结合控制算法对机器鱼的运动进行实时控制[60]。（4）多机器鱼的协调协作技术研究
机器鱼群体协作与协调技术是仿生机器鱼实用性的前提条件。由于水下工作环境的复杂性和特殊性以及机器鱼自身特殊的推进方式，很难用解析的方法建立一个精确的数学模型，因此，针对机器鱼群开发出高效、高灵活性、高鲁棒性的协调与协作方法，这是一个重要的且具有挑战性的前沿研究方向。（5）仿生机器鱼的能源供给
仿生机器鱼的续航能力是制约其水下活动的关键。大多数的机器鱼都采用电池作为能源，但受体积和重量的制约使得机器鱼往往只能在水下工作几小时。因此，如何节约机器鱼的能耗，延长机器鱼的使用寿命，具有重要的研究意义。同时，伴随着相关技术的发展，太阳能、波浪能和潮汐能等新型能源，成为机器鱼获得能源补给的新途径，也将成为仿生机器鱼研究的重要方向。1.4 本书的主要工作及组织结构
随着机电一体化技术、计算机技术、流体力学和仿生学等相关学科的发展，研究人员虽然研制出了多种仿生机器鱼，并可以模仿鱼类的多种运动模式。但是，现有的仿生机器鱼还难以满足实用性的要求，其机动性和稳定性还存在不足，智能控制、通讯等问题还有待解决。
本书是在国家国家自然科学基金项目“机器鱼传感网络的低功耗协作调度关键技术研究（No.61472050）”和四川省应用基础计划项目“机器鱼物联网能量感知协调控制研究（No.2014JY0257）”、国家自然科学基金重点项目“嵌入式系统的低能耗软件设计方法与技术研究（No.61332001）”、国家自然科学基金项目“智能移动嵌入式系统的协同节能关键技术研究（No. 61272104）”、四川省科技计划项目“基于自主可控RFID的物联网关键技术研发及应用（No.2015GZ0103）”以及成都市科技惠民技术研发项目“低功耗的嵌入式操作系统及中间件技术研究（No.2014-HM01-00326-SF）”等项目资助的基础上完成的。
本书以单关节机器鱼为研究对象，主要介绍了鱼类的游动机理、仿生机器鱼的动态建模、能耗模型、仿生机器鱼的一种典型设计及其运动控制策略以及多机器鱼协调与协作技术等内容，如图1.17所示。图1.17 机器鱼研究内容
本书章节结构的主要内容安排如下：
第1章介绍了仿生机器鱼的研究背景及意义、发展现状和研究内容。
第2章研究了鱼类游动机理，包括鱼鳍以及推进机理等内容。
第3章研究了仿生机器鱼的运动、动力学模型以及能耗模型，从而为机器鱼的设计和优化提供依据。
第4章论述了机器鱼的设计，包括机械设计、控制系统设计以及软件设计，为机器鱼运动控制策略以及多机器鱼的协调与协作技术的实现提供实验平台。
第5章研究了仿生机器鱼的控制策略。包括PID、模糊、一种典型的智能算法以及基于能量有效的点到点运动策略。
第6章探讨了多机器鱼协调与协作技术，包括任务分配算法、目标跟踪算法、避碰避障算法等。1.5 小结
鱼类经过长期的自然选择，进化出了非凡的水中运动能力，其游动具有推进效率高、机动性强、隐蔽性好、噪声低、对周围环境影响小等优点。“源于生物，高于生物”，国内外研究人员通过对鱼类的大量研究，以期揭示形成鱼类运动特点的内在原因，并期望通过模仿鱼类的运动方式，研制出高速、高效、高机动的仿生机器鱼系统，使仿生机器鱼运动更灵活，甚至能与真鱼媲美。而随着人工智能、自动控制、计算机等技术的发展，仿生机器鱼也将具备信息交互、环境感知等能力，甚至在紧急情况下进行自我保护等，继而成为探索水资源、开发水资源以及水环境防护的重要工具。因此，机器鱼在推进模式与工作环境等方面具有很强的特殊性，无论是军用领域还是民用领域都将有广阔的应用前景。参考文献
[1]Mathew Dunbabin, Lino Marques. Robotics for Environmental Monitoring. IEEE ROBOTICS & AUTOMATION, 2012, 3: 24-39.
[2]Deepak Bhadauria, Volkan Isler, Andrew Studenski, Pratap Tokekar. A Robotic sensor network for Monitoring Carp in Minnesota Lakes. 2010 IEEE international Conference on Robotics and Automation Anchorage Convention District, 2010, May 3-8: 3837-3842.
International Journal of Advanced Robotic Systems, Vol.8, No.1, 2011: 131-139.
[4]谢光明，何宸光．自主仿生机器鱼．哈尔滨：哈尔滨工业大学出版社，2013年7月.
[5]王硕，谭明．机器鱼．北京：北京邮电大学出版社，2006年7月.
[6]Tan, X. Autonomous robotic fish as mobile sensor platforms: Challenges and potential solutions. Marine Technology Society Journal 45, 4, 2011.
[7]中国科学院自动化研究所仿生鱼研究.http://www.ia.cas.cn/kxcb/kpwz/200804, 2008.
[8]Bandyopadhyay R. Trends in Biorobotic Autonomous Undersea Vehicles Promode[J]. IEEE Journal of Oceanic Engineering. 2005, 30(1): 109-139.
[9]Techet A H, Hover F S, Triantafyllou M S. Separation and Turbulence Control in Biomimetic Flows. Flow, Turbulence and Combustion, 2003, 71 (4): 105 -118.
[10]http://web.mit.edu/towtank/www/Tuna/Tunal/tunal.html.
[11]http://web.mit.edu/towtank/www/Pike/Pike.html.
[12]http://web.draper.com/towtank/tuna_web/Tunal/vcuuv.html.
[13]欧洲科学家发明水质监测机器鱼. http://cn.reuters.com/article/CNEnvNews/idCNCNE84L07320120522, 2012.
[14]J. Wang, X. Tan, A dynamic model for tail-actuated robotic fish with drag coefficient adaptation. Mechatronics, 2013, 23( 6), 659-668.
[15]F. Zhang, X. Tan, Gliding robotic fish and its tail-enabled yaw motion stabilization using sliding mode control," Proceedings of the 2013 ASME Dynamic Systems and Control Conference, 2013.
[16]Y. Wang, R. Tan, G. Xing, X. Tan, J. Wang, R. Zhou, Spatiotemporal Aquatic Field Reconstruction Using Robotic Sensor Swarm, The 33st IEEE Real-Time Systems Symposium (RTSS), 2012.
[17]Y. Wang, R. Tan, G. Xing, J. Wang, X. Tan, Accuracy-Aware Aquatic Diffusion Process Profiling Using Robotic Sensor Networks. The 11th ACM/IEEE Conference on Information Processing in Sensor Networks (IPSN), 2012.
[18]http://www.nmri.go.jp/eng/khirata/fish/index_e.html.
[19]王扬威，王振龙，李健，仿生机器鱼研究进展及发展趋势，机械设计与研究，2011, 27(2): 22-26.
[20]粱建宏，邹丹，王松，等.SPC-Ⅱ机器鱼平台及其自主航行实验．北京航空航天大学学报.2005, 31(7): 709~713.
[21]J. Z. Yu, L. Wang, M. Tan. Geometric Optimization of Relative Link Length for Boimimetic Robotic Fish. IEEE Transactions on Robotics. 2007, 23(2): 382~386.
[22]成巍．仿生水下机器人仿真与控制技术研究．哈尔滨工程大学博士学位论文.2004: 21~22.
[23]Shang L, et al. Swimming locomotion modeling for biomimetic underwater vehicle with two undulating long-fins. Robotics, 2012, 30(6): 913-92.
[24]Hu Y, Wang L, Liang J, et al. Cooperative box-pushing with multiple autonomous robotic fish in underwater environment. IET Control Theory and Applications,, 2011, 5(27): 2015-2022.
[25]J. Gray. Studies in Animal Locomotion VI. The Propulsive Powers of the Dolphin. Journal of Experimental Biology. 1936, 13: 192~199.
[26]Taylor G I. Analysis of Swimming of Long Narrow Animals[ C ] .Proceedings of the Royal Society of London. R. Series, 1952, 214: 158-183.
[27]J. Lighthill. Note on the swimming of slender fish. J. Fluid mech. 1960, 9:305-317.
[28]J. Lighthill. Aquatic animal propulsion of high hydromechanical efficiency. J. Fluid Mech. 1970, 44: 265-301.
[29]J. Lighthill. Large-amplitude elongated-body theory of fish locomotion. Proc. Roy. Soc. Lond. B. 1971, 179: 125-138.
[30]M. J. Lighthill, R. Blake. Biofluiddynamics of Balistiform and Gymnotiform Locomotion. Journal of Fluid Mechanics. 1990, 212: 183~207.
[31]T. Y. Wu. Swimming of Waving Plate. Journal of Fluids Mechanics, 1961, 10:321-344.
[32]T. Y. Wu. Hydrodynamics of Swimming Propulsion. Some Optimum Shape Problems. Journal of Fluid Mechanics. 1971, 46(3): 521~544.
[33]Cheng J Y, Zhang L X, and Tong B G. Analysis of swimming three-dimensional waving plate. J. Fluid Mech. 1991, 232:341-355.
[34]王田苗，梁建宏．基于理想推进器理论的尾鳍推力与效率估算[J]．机械工程学报，2005，41(8)：18-23.
[35]魏清平，王硕，谭明，等．仿生机器鱼研究的进展与分析．系统科学与数学，2012，32(10)：1274-1286.
ocean convection. Journal of Atmospheric and Oceanic Technology, 2001, 18(12): 2038-2051.
[37]Willcox J S, Bellingham J G, Zhang Y, et al. Performance metrics for oceanographic surveys with autonomous underwater vehicles. IEEE Journal of Oceanic Engineering, 2001, 26(4):711-725.
[38]Leonard N E, Fiorelli E. Fiorelli. Artificial potentials and coordinated control of groups. Proceedings of the 40th IEEE Conference on Decision and Control, Orlando, FL, 2001,3: 2968-2973.
[39]Paley D A, Zhang F, Leonard N E. Cooperative control for ocean sampling: The glider coordinated control system. IEEE Transactions on, Control Systems Technology, 2008, 16(4):735-744.
[40]Ogren P, Fiorelli E, Leonard N E. Cooperative control of mobile sensor networks: Adaptive gradient climbing in a distributed environment. IEEE Transactions on Automatic Control, 2004,49(8):1292-1302.
[41]Kumar R, Stover J A. A behavior-based intelligent control architecture with application to coordination of multiple underwater vehicles. IEEE Transactions on Systems, Man, and Cybernetics-part A: Systems and Humans, 2000, 30(6):767-784.
[42]Yoon S, Qiao C. Cooperative search and survey using autonomous underwater vehicles （AUVs）. IEEE Transactions on Parallel and Distributed Systems, 2011, 22(3):364-379.
[43]Iijima D, Yu W, Yokoi H, et al. Obstacle avoidance learning for a multi-agent linked robot in the real world. Proceedings of the 2001 IEEE International Conference on Robotics & Automati on Seoul, Korea, 2001, 1: 523-528.
[44]Sousa J B, Pereira F L, Souto P F, et al. Distributed sensor and vehicle networked systems for environmental applications. Environment 2010: Situation and Perspectives for the European Union. Porto, Portuga, 2003.
[45]Byrne R, Eskridge S, Hurtado J, et al. Algorithms and Analysis for Underwater Vehicle Plume Tracing. USA: DARPA, 2003.
[46]Schulz B, Hobson B, Kemp M, et al. Field results of multi UUV missions using ranger micro-UUVS. Oceans Conference Record, Piscataway, NJ, USA, 2003. 956-961.
[47]Yu J, Wang L, Shao J, et al. Control and coordination of
试读结束[说明：试读内容隐藏了图片]