球形水下机器人解耦运动控制算法

0仿生智能与机器人2（2022）1000670ScienceDirect提供的内容列表0仿生智能与机器人0期刊主页：www.elsevier.com/locate/birob0球形水下机器人的解耦三维运动控制算法0鲍鹏晓a，胡尧a，史立伟a，�，郭树祥a，b，李正宇a0a 医工交叉学科医疗工程系统与健康技术教育部重点实验室，生命科学学院，北京理工大学，中国 b 工学院，香川大学，日本高松市林町2217-200文章信息0关键词：运动控制算法 解耦控制球形水下机器人 模糊PID0摘要0水下球形机器人是海洋探测的良好助手，运动控制算法起着至关重要的作用。传统的运动控制算法无法消除各种运动方向之间的耦合关系，这将导致各个方向的运动控制相互干扰，并严重影响控制效果。本研究提出了一种基于机器人姿态计算的新型解耦运动控制算法，用于设计用于近海、浅水和狭窄地形的水下球形机器人。所提出的方法使用四个模糊比例-积分-微分（PID）控制器独立控制机器人在所有方向上的运动。实验证明，本研究提出的运动控制算法可以显著提高水下球形机器人的运动灵活性和准确性。01. 引言0海洋是一个巨大的资源宝库。传统0海洋资源开发依赖于人工潜水作业，这种作业存在各种缺点[1,2]。首先，对潜水员的身体素质和专业水平有严格要求，只有少数潜水员能够探索复杂的洞穴。其次，携带氧气供应设备的必要性严重限制了水下作业的时间和范围，以及其灵活性[3]。第三，潜水作业使潜水员面临重大风险，增加了浅水减压病的风险[4-6]。0由于人工潜水作业的缺点，各种0各国已经研发出水下机器人来取代传统的人工潜水作业。大型自主水下车（AUV）的研发目前已经处于相当先进的阶段，然而大型AUV的灵活性仍然较低。此外，大型AUV具有声纳扫描系统和高功率驱动系统[7-9]。这些特点使得大型AUV仅适用于深海和大洋环境，但与浅水、近海和狭窄空间环境不兼容。因此，迫切需要一种小型、高度灵活的水下机器人。0大多数水下机器人设计为封闭和光滑的0形状，因为开放式非流线型设计容易被水草缠绕，影响机器人的安全。同时，对称设计结构提供了更好的抵抗0�通讯作者。电子邮件地址：shiliwei@bit.edu.cn（史立伟）。0水下洋流干扰所引起的环境干扰。因此，球形水下机器人应运而生。球形结构具有一些其他类型所没有的独特性质，如更高的运动稳定性，在机器人与障碍物碰撞时容易和迅速恢复状态[10,11]，以及能够沿着最小阻力的路径行进[12]。同时，球形机器人的体积最大，容纳量最高，比同等大小的其他机器人更适合从大型过渡到小型机器人，并且具有两种机器人类型的优点。0球形水下机器人主要采用轻量化设计。0小尺寸、高对称性和光滑表面。这使它们能够在三维空间中任意方向移动，并在狭窄和充满水生植物的复杂环境中操作，从而扩大了水下机器人的当前操作范围，并发展成为取代人工潜水作业的关键工具[13,14]。由于结构设计和驱动器输出的限制，球形水下机器人主要采用小型化设计，它们的承载能力、传感器数量和处理器性能无法与更先进的大型AUVs或陆地机器人相比[15-19]。因此，目前用于大型AUVs或陆地机器人的高性能控制算法和目标识别和跟踪系统无法应用于球形水下机器人[15,20-22]。这些因素使得独立水下运动的能力成为限制其进一步发展的缺点。0https://doi.org/10.1016/j.birob.2022.100067 2022年6月14日收到；2022年8月7日修订后收到；2022年8月22日接受 在2022年9月6日在线发布 2667-3797/ ©  2022 The Author(s).Published by Elsevier B.V. on behalf of Shandong University. 这是根据CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。20P. Bao, Y. Hu, L. Shi等人。生物启发智能与机器人学2（2022）1000670图1. 海底机器人在浅水地形中工作的示意图。序号表示机器人的工作环境，黑盒代表任务要求。0因此，目前对球形水下机器人的研究的关键在于如何在不利条件下实现高效的运动控制算法，例如载荷能力、传感器数量和有限的处理器性能，以减少运动控制误差，提高机器人的目标识别和跟踪能力，增强机器人的自主决策能力，并降低对手动操作的依赖风险[23]。球形水下机器人的发展在几个方面取得了进展，如Groundbot[24]，Salamander[25]，BYSQ-2[26]和SHU[27]。这些球形水下机器人具有良好的环境适应性，但受到体积、功耗、功率计算复杂性和两栖环境因素的限制[28]。0与大型机器人的应用环境相比，小型机器人的应用环境更加严苛。0机器人有更多的限制，例如狭窄的岩溶洞穴，不仅限制了空间移动，还形成了洄流。因此，对小型机器人的运动控制算法需要更高的精度要求。运动控制算法对球形机器人的工业应用至关重要[29]。目前主要使用的水下控制方法有基于重力摆动的推进和水射推进。基于重力摆动的控制方法需要驱动机器人壳体高速旋转，利用水体的粘阻力推动机器人前进。然而，由于运动的非线性和复杂的水下环境以及海洋环境的交叉耦合，这种控制方法仅适用于水面，不能用于水下环境[30,31]，而且旋转的外壳使得难以安装外部扩展模块或操作平台[33]。喷射式控制方法适用于水下环境[34]，具有更强的环境适应性，然而，现有的水下运动控制方法或固定的驱动器模型[35]无法实时调整推力方向[36]，或在某些驱动模型在不同时期之间切换[37,38]。这些控制方法不适用于每个运动和旋转方向[39]，也不具备独立的实时控制能力[40]，而这种能力对于球形水下机器人进行射击[41]、抓取[42]、跟踪[43,44]和执行各种任务至关重要。急需一种具有实时和独立控制每个运动和旋转方向能力的球形水下车辆运动控制方法，以满足浅水地形海洋探测的需求，如图1所示[45,46]（见图1）。0由于球形水下机器人的低运动控制精度和运动方向之间的强耦合，本研究描述了球形水下机0水机器人和运动方向之间的强耦合，本研究描述了球形水下机器人的实时姿态解耦控制算法，该算法使用四个模糊PID控制器。0对于X、Y和Z轴，以及航向角运动。因为XOY平面上的任何任务轨迹都可以分为直线、转向和曲线运动，所以设计了偏航角控制和直线运动控制的实验，以评估单变量控制效果，并设计了矩形运动控制和方向的实验，以评估多变量控制效果。已经确定，与以前的H型控制算法相比，实时姿态解耦控制方法可以提高球形水下车辆的运动控制的精度和适应性。02. 球形水下机器人平台0图2（a）显示了本研究中使用的机器人平台的结构。0研究。机器人分为两个半球壳，每个直径为30厘米，总质量为6.6千克。上半球壳包含密封舱和用于平衡重力和浮力的进水舱。密封舱配备了机器人主板、电源控制模块、无刷电机驱动器和NVIDIA JetsonTK1作为机器人的主处理器。表面上均匀分布了12个高精度压力传感器，通过每个传感器的压力数据的平均值和差值来测量机器人的深度和相对水流速度。进水箱用于平衡机器人在水中的浮力和重力。在水箱内安装了配重和浮力块，以准确平衡机器人在水中的重力和浮力。此外，还在进水箱内安装了小型水声通信设备，用于传输控制信号和机器人状态数据。0机器人的下半球配备了可拆卸电池。0舱和四个具有两栖运动能力的复合驱动腿。电池舱防水，可为机器人提供超过1.5小时的连续运行电源。图2（b）显示了机器人复合驱动腿的结构。每条腿有3个自由度，并由3个防水舵机驱动。复合驱动腿的末端安装了腿矢量水射流复合推进器。机器人的下半球壳是一个开放结构，由两个四分之一球壳组成，可以打开和关闭。机器人可以根据周围环境和任务条件自由切换下半球壳的开合状态。02.1. 电气系统0图3显示了主要功能设备和结构模块0ASR-IV球形水下机器人的电路和控制系统图。ASR-IV电路系统采用模块化设计。30P. Bao, Y. Hu, L. Shi等人 生物智能与机器人学 2（2022）1000670图2. ASR-IV球形水下机器人的机械结构示意图。0图3. ASR-IV电路和控制系统结构模块图。0主要包括电源管理、驱动、传感器和控制系统。每个系统的模块在线上相互独立，并采取了光耦隔离措施。0图4显示了电路和控制系统结构模块图0ASR-IV的电源管理系统主要由3组2S锂聚合物电池组和电源管理模块组成。每个锂聚合物电池组的额定电压为7.4V，额定容量为4400mAh，为驱动、传感器和控制系统供电。控制系统由机器人主板、STM32和JetsonTK1组成。机器人的主板为各种电路元件提供安装平台和接线连接。传感器系统包括惯性测量单元（IMU）、水下声学通信模块、双目摄像头和12通道压力传感器。驱动系统使机器人能够在地面行走和下游移动。机器人的下半球壳配有4个复合驱动腿，每条腿有3个可动关节和一个腿矢量水射流。采用GWDSHARK防水舵机驱动可动关节。腿矢量水射流配备无刷电机，由HobbyPlatinum 30A无刷电调驱动。03. 解耦运动控制算法03.1. 运动学建模0本节建立了世界和机器人坐标系0（图5）以获得球形水下机器人的水下运动0法并改善其水下运动控制性能。世界坐标系用于表示机器人的位置和姿态等信息，而机器人坐标系用作机器人运动控制的参考坐标。0在上述世界坐标系中，机器人的位置0和姿态向量可以表示为方程(1)。0�=[�1�1]�=[������]�(1)0在上述公式中，�1=[���]�表示机器人的三维0世界坐标系中的��，��和��轴的三维位置坐标，�1=[���]�表示机器人的姿态角度（航向、俯仰和横滚角度）。通过分析机器人的水下六自由度运动，可以得到机器人的水下运动学方程(2)。0(���+��) ��+(���(�)+��(�))�+(��+��(�))�+�(�)=�(2)0其中�表示机器人的水下运动速度，��表示机器人的水下运动加速度。���∈�6×6表示机器人的刚体质量矩阵。��∈�6×6表示机器人的附加质量矩阵，���(�)∈�6×6表示机器人刚体的科氏力矩阵，由地球自转产生，���∈�6×6表示机器人附加质量的科氏力，��∈�6×6和��(�)∈�6×6分别表示机器人在水中运动时的线性和非线性阻尼矩阵。�(�)∈�6×6表示机器人的恢复力和力矩矩阵，�∈�6×6表示机器人驱动产生的推力和力矩矩阵。⎧⎪−𝑓1𝑥 + 𝑓2𝑥 + 𝑓3𝑥 − 𝑓4𝑥 = 𝐹 𝑥𝑓1𝑦 + 𝑓2𝑦 − 𝑓3𝑦 − 𝑓4𝑦 = 𝐹 𝑦[(−𝑥 +𝑥 −𝑥 +𝑥) + (𝑦 −𝑦 +𝑦 −𝑦)]⋅=𝑦𝑎𝑤(4)⎧⎪(−𝑓1 + 𝑓2 + 𝑓3 − 𝑓4)⋅𝑐𝑜𝑠𝜃 = 𝐹 𝑥(−𝑓1 + 𝑓2 − 𝑓3 + 𝑓4)⋅(𝑐𝑜𝑠𝜃 − 𝑠𝑖𝑛𝜃)⋅𝑑 = 𝐹 𝑦𝑎𝑤(5)⎧⎪⎪⎪⎨⎪𝑓1 = 12 ⋅( 𝐹 𝑦𝑠𝑖𝑛𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 )𝑓2 = 12 ⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 + 𝐹 𝑦𝑠𝑖𝑛𝜃 )𝑓3 = 12 ⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 )𝑓4 = 0(6)40P. Bao, Y. Hu, L. Shi et al. 生物智能与机器人学 2 (2022) 1000670图4. ASR-IV电路和控制系统的结构框图。电路系统主要包括电源管理、驱动、传感器和控制系统。每个系统的模块在线上相互独立，并采取了光耦隔离措施。0图5. 坐标系。其中��−������是世界坐标系，��−������是机器人坐标系。坐标原点��位于机器人的重心。0图6.XOY运动模型。机器人的四个驱动腿在中心对称分布，旋转角度�相等，其中�1，�2，�3和�4是复合驱动腿的投影位置。03.2. XOY运动控制0由于机器人模型相对复杂，一些参数是难以获得并且对运动控制影响较小；因此，模型应适0难以获得并对运动控制影响较小；因此，模型应适当简化。独立控制机器人的三维速度和姿态角度的能力至关重要。0以确保运动的灵活性。图6显示了XOY运动模型，该模型仅考虑了螺旋桨在X和Y轴上的推力。这是机器人XOY运动控制过程的控制体积组成的五维空间。假设控制量为�，方程(3)如下：0�=[�1�2�3�4�]�(3)0其中�1，�2，�3和�4是螺旋桨在水流中产生的推力。机器人接收到的推进器是反作用力，�是螺旋桨的水平角。考虑机器人在水下移动时X和Y轴的总力和绕A轴的旋转力矩，可以得到方程(4)如下：0其中，� �，� �和����分别代表机器人�轴运动的推力，机器人�轴运动的推力和绕�轴的扭矩。�代表驱动腿安装点到机器人质心的距离。从图7所示的模型中，方程（4）的系统可以简化为方程（5），如下所示：0(� 1  +  � 2  −  � 3  −  � 4 ) � ����  =  � �0� 1，� 2，� 3和�4是XOY平面上四个推进器产生的推力。通过观察，发现这个方程系统是一个不定方程系统。将�4设为自由未知数，可以得到方程（5）的解作为方程（6），如下所示：0上述公式中求解的� 1，� 2，� 3和�4并非机器人水下运动的最佳控制量，原因有两点。𝑓0 = 𝑚𝑖𝑛⎧⎪⎪⎨12 ⋅( 𝐹 𝑦𝑠𝑖𝑛𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 )12⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 + 𝐹 𝑦𝑠𝑖𝑛𝜃 )𝑓3 = 12 ⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 )0⎫⎪⎪⎬(7)⎧⎪⎪⎪⎨⎪𝑓1 = 12 ⋅( 𝐹 𝑦𝑠𝑖𝑛𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 ) − 𝑓0𝑓2 = 12 ⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 + 𝐹 𝑦𝑠𝑖𝑛𝜃 ) − 𝑓0𝑓3 = 12 ⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 ) − 𝑓0𝑓4 = −𝑓0(8)𝑚𝑖𝑛𝑖𝑚𝑖𝑧𝑒⎧⎪⎪⎨𝑚𝑎𝑥⎧⎪⎪⎨12 ⋅( 𝐹 𝑦𝑠𝑖𝑛𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 ) − 𝑓012⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 + 𝐹 𝑦𝑠𝑖𝑛𝜃 ) − 𝑓012⋅( 𝐹 𝑥𝑐𝑜𝑠𝜃 −𝐹 𝑦𝑎𝑤𝑐𝑜𝑠𝜃−𝑠𝑖𝑛𝜃 ) − 𝑓0−𝑓0⎫⎪⎪⎬(9)𝑓1𝑧 − 𝑓2𝑧 − 𝑓3𝑧 + 𝑓4𝑧 = 𝐹𝑡𝑐ℎ𝑑𝑓1𝑧 + 𝑓2𝑧 − 𝑓3𝑧 − 𝑓4𝑧 = 𝐹 𝑟𝑜𝑙𝑙(10)(11)arctan 𝑓1𝑓1𝑧arctan 𝑓2𝑓2𝑧arctan 𝑓3𝑓3𝑧arctan 𝑓4𝑓4𝑧(13)50P. Bao, Y. Hu, L. Shi等人. 生物启发智能与机器人学 2 (2022) 1000670首先，� 1，� 2，� 3和�4为负数，ASR-IV上安装的推进器无法产生反向推力。其次，当机器人在水中运动时，大部分功率消耗用于操作推进器，因此有必要尽量减少每个推进器的推力，以最小化功率消耗。通过减少推进器的推力，可以实现降低功耗、电路部件和推进器的负载、故障率，以及推进器接近推力饱和区时对机器人运动控制的非线性影响的负面影响。0方程（6）必须进行调整，以获得机器人的最佳控制量0因此，� 0构造如方程（7）所示：0方程（6）可以转化为方程（8），如下所示：0为了获得推力的最佳解，有必要将� 1，� 2，� 3和�4的最大值最小化，以获得最小推力组合，并成功降低机器人水下运动控制的功率消耗。因此，方程（8）中的自由未知数�可以转化为方程（9），如下所示：0由于方程（9）的异常复杂性，可能难以使用标准导数计算技术计算其解析解。在可控误差条件下，可以使用数值计算方法来解决�的近似解的迭代计算。03.3. �轴运动控制0建立图7所示的模型，表示推力的产生0由推进器在�轴上产生的推力。方程（10）说明了从图形模型中得出的机械关系：0��0�1� + �2� + �3� + �4� = ��0其中��，������和�����分别代表机器人沿�轴方向的推力、绕�轴旋转的力矩和绕�轴旋转的力矩。�代表推进器远端到机器心的距离。稳定的�值用于简化方程，因为机器人驱动腿的旋转引起的�变化很小。������和�����0是机器人在水中运动时俯仰和横滚角的控制变量。实际上，由于机器人的重心和浮力中心在同一垂直线上，重心位于浮力中心下方，机器人可以自动稳定俯仰和横滚角，并保持水平姿态。因此，控制模型可以忽略机器人水下运动的能量消耗，意味着������ = 00图7.�轴运动模型。其中�1，�2，�3和�4是机器人四个推进器产生的总推力。��1，��2，��3和��4是机器人四个推进器产生的总推力在�轴方向上的分力，机器人在�轴方向上受到的推力是其反作用力。�1，�2，�3和�4是机器人四个推进器与XOY平面的夹角。0和����� = 0。因此，方程组（10）可以简化为以下方程组：0��0�1� + �2� + �3� + �4� = ��0�1� − �2� − �3� + �4� = 00�1� + �2� + �3� + �4� = 00与XOY平面运动控制模型类似，需要最小化{��1，��2，��3，�����4}，以防止推进器进入推力饱和区。0推力饱和区。0��1 = ��2 = ��3 = �04��(12)03.4. 模糊PID控制器设计0实现机器人X、Y和Z轴的独立控制0在三维空间中的轴，机器人的水下运动控制量必须落在由[�1，�2，�3，�4，ξ，�1，�2，�3，����4]组成的向量空间中的一个点。从方程（3）和（12）可得，水下机器人三维运动控制算法的最终输出控制量如下：0� =0� � � � � � � � � ��0�12 + (�1�)2√0�22 + (�2�)2√0�32 + (�3�)2√0�42 + (�4�)20� �� �� �� �� �� �� �� �� ��0图8显示了模糊PID控制器的结构。当四个控制器用于控制机器人在X、Y和Z轴上的运动以及航向角时，控制量是不同的。04. 实验0我们对ASR-进行了水下运动控制实验0IV球形水下机器人平台，用于测试60P. Bao, Y. Hu, L. Shi等人。生物智能与机器人学2（2022）1000670图8. 模糊PID控制器的结构。当控制器控制�轴、�轴、�轴和航向角时，控制量是不同的。��，��和��分别代表比例因子、积分系数和微分系数。0图9.实验环境。池子的水深为1米，全局摄像头安装在池子中心正上方3米处。池子的尺寸为3米×2米×1.2米。0图10.偏航角控制实验结果。‘‘H’’模式控制算法的上升时间为��1=1.12秒，峰值时间为��1=1.68秒，没有稳定误差，而解耦控制算法的上升时间为��2=1.10秒，峰值时间为��2=1.69秒，也没有稳定误差。0本研究提出了一种解耦控制算法，并将所提出的算法的实验结果与相同条件下的水下多模式控制算法进行了比较。该实验在一个尺寸为3米×2米×1.2米的池子中进行（如图9所示）。本实验中，机器人的浸没深度为1米，而机器人的最大浸没深度设计值为3-4米。机器人通过计算机视觉算法进行识别和定位，并计算和记录二维平面的坐标。04.1. 偏航角控制实验0ASR-IV球形水下机器人配备了3dm-gx4-0来自MicroStrain的45 IMU。该模块内置了一个九轴传感器0并使用EKF算法输出机器人的姿态估计值，其中包括机器人的航向角。作为惯性设备，累积误差是不可避免的，但由于滤波模块预设在所选模型中，因此累积误差明显低于没有滤波模块的情况。此外，由于在实验过程中使用IMU的总时间较短，因此可以忽略累积误差，无需额外的滤波器来最小化误差。所选的IMU模型具有磁场传感器，可以校准航向角。但是，由于它安装在机器人的几何中心并且靠近推进器，因此容易受到推进器电机的磁干扰，这可能导致航向角测量误差。在实验中，关闭了航向角磁场的校准功能，并且必须手动校准航向角的初始值。实验过程如下：0首先，从当前值中减去航向角的初始值0值以获得水箱坐标系下的航向角。随后，使用PID算法计算静水状态下机器人X、Y和Z轴的推力。航向角的初始期望值为0°，而第5秒将航向角的期望值设定为90°。然后，使用解耦运动控制计算最终输出控制量→�。0基于实时姿态计算的算法，控制驱动系统输出相应的角度和推力。最后，记录实验数据并与多模式控制算法中的‘‘H’’模式进行比较。0图10的实验结果分析显示0两种方法都没有稳定误差，‘‘H’’模式控制算法的上升时间为��1=1.12秒，峰值时间为��1=1.68秒，而解耦控制算法的上升时间为��2=1.10秒，峰值时间为��2=1.69秒。结果表明，在考虑测量误差和系统噪声时，‘‘H’’模式控制算法和解耦控制算法在航向角控制方面的性能是一致的。04.2. 直线运动控制实验0两种方法都没有稳定误差，‘‘H’’模式控制算法的上升时间为��1=1.12秒，峰值时间为��1=1.68秒，而解耦控制算法的上升时间为��2=1.10秒，峰值时间为��2=1.69秒。结果表明，在考虑测量误差和系统噪声时，‘‘H’’模式控制算法和解耦控制算法在航向角控制方面的性能是一致的。0机器人在使用两种算法时在15秒内完成整个范围。当使用多运动模式控制算法时，机器人0图11.线性运动控制实验结果。当使用多运动模式控制算法时，机器人在AB段使用“H”运动模式，在BC段使用“X”运动模式，运动轨迹的最大误差为0.19米。当使用解耦控制算法时，运动轨迹的最大误差为0.1米。70P.鲍，Y.胡，L.石等人。仿生智能与机器人学2（2022）1000670在拐点B处达到最大值，最大误差为0.19米。当使用解耦控制算法时，机器人根据当前位置实时调整四个复合驱动腿的布局和推力，并且运动轨迹的最大误差为0.1米。实验分析表明，本研究提出的球形水下机器人实时姿态计算和解耦控制算法相对于多运动模式控制算法显著提高了控制精度。0图12. 矩形运动控制实验结果。使用多运动模式控制算法时，最大轨迹误差为0.23米。解耦运动控制算法的最大误差为0.14米，航向角波动小于多运动模式控制算法。0矩形运动是线性运动的序列组合04.3. 矩形运动控制实验0和航向角控制。在矩形运动控制实验中，为机器人设置了四个目标点，如A（0.4米，0.4米），B（0.4米，2.6米），C（2.6米，1.6米）和D（0.4米，1.6米）。让机器人0图13.方向实验结果。多运动模式控制算法无法完成方向实验。使用解耦控制可以完成实验，最大轨迹控制误差为0.07米。Fig. 13. Results of orientation experiment. The orientation experiment cannot be accomplished with the multimotion mode control algorithm. The experiment can be accomplishedusing decoupling control, with a maximum trajectory control error is 0.07 m.80P.鲍，Y.胡，L.石等人。仿生智能与机器人学2（2022）1000670解耦运动控制算法的最大误差0为0.14米，航向角波动最小。因此，实验比较表明，控制系统的稳态时间较长，对突变变量的抵抗力较弱。超调量较大，上升时间较长，稳态时间较长，与解耦算法相比。实验证明解耦运动控制算法更优秀。04.4. 定向实验0圆形轨迹的中心位于（1.5米，1米），半径为0.7米0在定向实验中，机器人的半径设置为0.7米，并记录了机器人的实际轨迹和航向角变化。图13（a）、（b）和（c）分别显示了实验过程中的运动轨迹、控制误差和航向角变化。实验结果表明，最大轨迹控制误差为0.07米，机器人保持恒定速度运动，而其航向角保持恒定速度变化，其头部始终指向圆心。05. 结论0本研究实现了用球形取代潜水员的目标0海洋浅水和狭窄地形中实现球形水下机器人的自主操作，并提高球形水下机器人的自主运动能力。本研究使用ASR-IV球形水下机器人平台研究适用于水下环境和嵌入式平台的解耦控制算法。首先，完成了球形水下机器人的运动学建模，并且该模型构建了在三维水下运动过程中螺旋桨的速度、加速度和三维推力之间的数学关系。然后，基于运动学模型，将机器人的水下X、Y和Z轴运动以及航向角控制分解为四个独立的控制变量，使用一组控制策略实时计算螺旋桨0姿态布局。因此，每个运动方向之间的耦合关系被打破。进一步，设计了四个独立的模糊PID控制器，实现了机器人在四个方向上的实时独立控制。0实验结果表明，所提出的算法实现了0线性运动控制，最大误差为0.1米，控制精度比多运动模式算法提高了47.4%。此外，它执行矩形运动，最大误差为0.14米，比多运动模式算法提高了39.1%的控制精度。此外，所提出的算法可以控制方向目标轨道运动，多运动模式控制算法无法执行，最大控制误差为0.07米。实验结果证明，所提出的算法在控制球形水下机器人的运动时具有更高的精度和灵活性。0竞争利益声明0作者声明没有已知的竞争财务0在本文中报告的工作可能出现影响的商业利益或个人关系。0致谢0本工作得到国家自然科学基金的支持0中国自然科学基金（61773064，61503028号）0附录A. 补充数据0本文的相关补充资料可在网上找到0在 https://doi.org/10.1016/j.birob.2022.100067 找到[1][35]90P. Bao, Y. Hu, L. Shi等. 生物仿生智能与机器人学 2 (2022) 1000670参考文献0Y.J. Park, K.J. Cho, S.H. Ahn, 智能致动器的仿生水下机器人综述, 精密工程制造 13 (7) (2012)1281–1292,  http: //dx.doi.org/10.1007/s12541-012-0171-7 .0[2] S. Oshiro, Y. Sakuma, R. Chibana, A. Kinjo, T. Wada, 无线原型0使用32kHz带宽水下小区域声学网络（USAAN）的水下机器人控制系统，见：OCEANS 2019MTS/IEEE SEATTLE, 2020.0[3]  J.M. Maquire, H. Peng, S. Bai, 自动变速器的动态分析和控制系统设计0自动变速器, SAE International, 2013.0[4] M. Hubbard, F.M. Davis, K. Malcolm, S.J. Mitchell, 减压病和其他潜水伤害0休闲潜水运营中的其他伤害, J. South Pac. Underw. Med. Soc. 48 (4) (2018) 218–223,http://dx.doi.org/10.28920/dhm48.4.218- 223 .0[5] J.M. Longphre, P.J. Denoble, R.E. Moon, R.D. Vann, J.J. Freiberger, 潜水伤害的急救0用于治疗休闲潜水伤害的常压氧, Undersea Hyperb. Med. 34 (1) (2007) 43–49,http://dx.doi.org/10.1016/S0020-1693(01) 00567-9 .0[6] P. Beale, L. Kitchen, W.R. Graf, M.E. Fenton, 腹部减压病0重复潜水后的神经系统症状: 一份案例报告和文献综述, Undersea Hyperb. Med.: J. UnderseaHyperb. Med. Soc., Inc 46 (2) (2019) 211–215, http://dx.doi.org/10.22462/04.06.2019.16 .0[7] P. Wadhams, J.P. Wilkinson, A. Kaletzky, 冬季边缘冰区的侧扫声纳图像0从AUV获得的边缘冰区的侧扫声纳图像, J. Atmos. Ocean. Technol. 21 (9) (2010) 1462–1470,http://dx.doi.org/10.1175/1520-0426(2004)0212.0.CO;2 .0[8] L. Cai, Q. Sun, T. Xu, Y. Ma, Z. Chen, 多AUV协作目标识别0基于转移-强化学习的多AUV协作目标识别, IEEE Access PP (99) (2020) 1,  http://dx.doi.org/10.1109/ACCESS.2020.2976121 .0[9] L. Liu, Z. Xi, J. Wu, 加强跟腱: 一种AUV辅助的消息渡船0UASNs中传播漏洞的一种多AUV协作目标识别, IEEE Internet Things J. PP (99) (2021) 1,http://dx.doi.org/10.1109/JIOT.2021.3072920 .0[10]  Q. Zhan, T. Zhou, M. Chen, S. Cai, 一个球形移动机器人的动态轨迹规划0机器人的动态轨迹规划, in: 2006 IEEE Conference on Robotics, Automation andMechatronics, IEEE, 2006, pp. 1–6.0[11]  A. Halme, T. Schonberg, Y. Wang, 一个球形移动机器人的运动控制0机器人, in: Proceedings of 4th IEEE International Workshop on Advanced MotionControl-AMC’96-MIE, Vol. 1, IEEE, 1996, pp. 259–264.0[12]  P. Mojabi, et al., 引入八月: 一种全向移动的新策略0球形滚动机器人, in: Proceedings 2002 IEEE International Conference on Robotics andAutomation (Cat. No. 02CH37292), Vol. 4, IEEE, 2002, pp. 3527–3533.0[13] M. Li, S. Guo, H. Hirata, H. Ishihara, 两栖机器人的设计和性能评估0两栖球形机器人, Robot. Auton. Syst. (2015)  http://dx.doi.org/10. 1016/j.robot.2014.11.007 .0[14] Shuxiang, GUO, 对多功能两栖生物特征飞蛾子类型的研究0两栖球形机器人系统, J. Soc. Instrum. Control Eng. 54 (1) (2015) 62–63,http://dx.doi.org/10.11499/sicejl.54.62 .0[15] G. Shuxiang, P. Shaowu, S. Liwei, G. Ping, H. Yanlin, T. Kun, 视觉检测0两栖球形机器人的视觉检测和跟踪系统, Sensors 17 (4) (2017) 870,http://dx.doi.org/10.3390/s17040870 .0[16] S. Guo, Y. He, L. Shi, S. Pan, X. Rui, K. Tang, G. Ping, 建模和实验0改进的两栖机器人的性能评估, Robot. Comput.-Integr. Manuf. 51 (jun.) (2018) 37–52,http://dx.doi.org/10.1016/j. rcim.2017.11.009 .0[17] X. Hou, S. Guo, L. Shi, H. Xing, Y. Liu, H. Liu, Y. Hu, D. Xia, Z. Li, 水动力学0一种新型水喷推器的基于分析的建模和实验验证, Sensors 19 (2) (2019)  http://dx.doi.org/10.3390/s19020259 .0[18] L.S.A. B, S.G.A. B, S.M. C, C.Y. C, M.L. C, K.A. D, 发展一个两栖0启发式球形母机器人，仿生工程杂志10 (4) (2013) 446–455,http://dx.doi.org/10.1016/S1672-6529(13)60248-6 .0[19] S. Pan, L. Shi, S. Guo, 基于Kinect的实时压缩跟踪原型，0两栖球形机器人的系统，传感器（巴塞罗那，瑞士）15 (4) (2015)http://dx.doi.org/10.3390/s150408232 .0[20] H. Xing, S. Guo, L. Shi, Y. He, S. Su, C. Zhan, X. Hou, 混合运动的，0一种新型两栖球形机器人的评估，应用科学8 (2) (2018) 156,http://dx.doi.org/10.3390/app8020156 .0[21] L. Shi, Y. Hu, S. Su, S. Guo, D. Xia, 一种新型微型球形机器人的模糊PID算法，0三维水下运动控制的球形机器人，仿生工程杂志17 (5) (2020)http://dx.doi.org/10.1007/s42235-020-0087-3 .0[22] H. Xing, L. Shi, K. Tang, S. Guo, X. Hou, Y. Liu, H. Liu, Y. Hu, 多个启发式两栖球形机器人的相对近距离定位，0相机和IMU融合的多个启发式两栖球形机器人的合作和相对近距离定位，仿生工程杂志16 (003)(2019) 442–454,  http://dx.doi.org/10.1007/s42235-019-0036-1 .0[23] Y. Zhou, B. Zhong, T. Fang, J. Liu, X. Zhou, S. Zhang, 生物启发应用，0AmphiHex-I的控制在检测日本血吸虫的两栖蜗牛中的应用，工业机器人：国际期刊 (2017)http://dx.doi.org/10.1108/ir-05-2016-0151 .0[24]  V. Kaznov, M. Seeman, 带有球形两栖机器人的户外导航，0在：IEEE/RSJ国际智能机器人与系统会议，2010.0[25]  S. Satria, J.W. Lee, S. Chan, 带有便携式两栖球形滚动机器人的，0地面和水下部署的实时流媒体能力，2015.0[26] X.J. Lan, H.X. Sun, Q.X. Jia, H.Y. Li, 一种球形机器人的设计和优化，0水下车辆BYSQ-2的结构，北京邮电大学学报（2012）http://dx.doi.org/10.13190/jbupt.201204.11.lanxj .0[27]  S. Xie, J. Chen, J. Luo, H. Li, J. Gu, 水下机器人的动态分析和控制系统，0极地科学研究的球形机器人，2013年IEEE国际机器人与仿生学会议，ROBIO，2013.0[28]  V. Kaznov, M. Seeman, 带有球形两栖机器人的户外导航，0在：IEEE/RSJ国际智能机器人与系统会议，2010.0[29] S.M. Zanoli, G. Conte, 远程操作车深度控制，控制工程，0实践。11 (4) (2003) 453–459,  http://dx.doi.org/10.1016/S0967-0661(02)00013- 8 .0[30] I.S. Akkizidis, G.N. Roberts, P. Ridao, J. Batlle, 设计一种模糊型PD，0水下机器人的控制器，控制工程实践。11 (4) (2003) 471–480,http://dx.doi.org/10.1016/S09