两栖仿生机器人

doi：10.16576/ki.1007-4414.2021.01.027基于线翎电鳗运动模式的水陆两栖机器人设计肖杰康，黄永欣，林镇炜，黄明威(东莞理工学院机械工程学院，广东东莞523000)摘要:针对机器人在水下环境的环境探测方面，提出设计一种拥有类鱼类MPF运动模式水陆两栖仿生线翎电鳗探测机器人。

机器人由STM32-F103C8T6主控板、单轴60kg-DS5160舵机、42步进电机J-4218HB4401、TB6560步进电机驱动器、XL6009升压模块以及特定的机械结构组成。

机器人通过主控板对步进电机进行控制，使其带动机械机构模拟线翎电鳗运动模式进行运动；通过大功率舵机的调节，可使其可在水陆两种环境进行运动。

实验结果表明，设计的水陆两栖机器人有在水陆环境中有效地进行工作，模拟线翎电鳗运动模式的意义。

关键词：水陆两栖；线翎电鳗；仿生机器人中图分类号：TP243.2文献标志码：A文章编号：1007-4414(2021)01-0089-04Design of Amphibious Robot Based on the Motion Mode of Electric EelsXIAO Jie-kang,HUANG Yong-xin,LIN Zhen-wei,HUANG Ming-wei (School qf Mechanical Engineering,Dongguan University qf Technology,Dongguan Guangdong523000,China) Abstract:In order to detect the underwater environment of the robot,a type of amphibious bionic line feather electric eel de­tection robot with MPF is proposed in this article.The robot is composed of STM32-F103C8T6main control board,single axis 60kg-DS5160steering gear,42stepping motor J-4218HB4401,TB6560stepping motor driver,XL6009boost module and specific mechanical structure.The robot controls the stepper motor through the main control board to drive the mechanical mechanism so as to simulate the motion mode of electric eel；through the adjustment of high-power steering gear,it can move in both water and land environments.The experimental results show that the amphibious robot designed in this paper can work effectively in the environment of water and land,and has the significance of simulating the motion mode of the electric eels.Key words：amphibious；line feather electric eel；bionic robot0引言在地球上有着多种环境，在未知环境中许多未知环境存在着危险的陷阱，例如空气氧气含量，空气中是否存在有毒气体,岩洞中是否存在异生物或坍塌的危险等;除此之外,当生活中发生一些意外事故，如楼房坍塌，地震以及爆炸等，这些都需要对灾后环境进行勘察，以确保灾后环境修复过程中工作人员的生命安全。

第２８卷㊀第８期２０２０年８月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀光学精密工程㊀O p t i c s a n dP r e c i s i o nE n g i n e e r i n g㊀㊀㊀㊀㊀㊀㊀V o l ．２８㊀N o ．８㊀A u g．２０２０㊀㊀收稿日期:２０２０Ｇ０１Ｇ０９;修订日期:２０２０Ｇ０２Ｇ１８．㊀㊀基金项目:吉林农业科技学院大学生科技创新创业训练计划资助项目(N o ．２０１９１１４３９０２７);吉林农业科技学院青年基金资助项目(N o ．２０１９０５０５)文章编号㊀１００４Ｇ９２４X (２０２０)０８Ｇ１７３３Ｇ１０两栖球形机器人的路径规划策略马宇科１,郑㊀亮１,２∗,胡高凯１,吉晓雯１,司兆怡１,刘晏彤１(１．吉林农业科技学院,吉林吉林１３２１０１;２．长春理工大学,吉林长春１３００２２)摘要:两栖机器人的水下路径最优规划是目前机器人运动控制研究领域的热点和难点.本文针对两种基于视觉伺服的广义约束优化(G C O P )和序列二次规划(S Q P )的机器人运动控制算法进行对比分析,结合视觉伺服传感器,实现了两栖机器人最佳路径的规划㊁监测动态目标标定㊁移动目标监测㊁水下障碍物识别和目标跟踪.利用球形机器人的结构对称特性及阿基米德浮力原理,并结合模糊控制算法对水舱水位进行实时控制,使球形两栖机器人在水下能实现水下多自由度运动.最后,进行了算法的仿真和水下运动实验.实验结果表明,G C O P 算法和S Q P 算法在相对障碍物的有限距离内,S Q P 算法规划的路径更加合理;而在达到目标坐标位置上,两种算法的误差为１６７．５m m ,S Q P 算法在水下路径规划上更加有效.关㊀键㊀词:两栖机器人;球形机器人;路径规划;目标识别中图分类号:T H ７３㊀㊀文献标识码:A㊀㊀d o i :１０．３７８８/O P E ．２０２０２８０８．１７３３P a t h p l a n n i n g s t r a t e g y o f a m p h i b i o u s s ph e r i c a l r o b o t MA Y u Ｇk e １,Z H E N GL i a n g １,２∗,HU G a o Ｇk a i １,J IX i a o Ｇw e n １,S I Z h a o Ｇy i １,L I U Y a n Ｇt o n g１(１．J i l i nA g r i c u l t u r a lS c i e n c e a n dT e c h n o l o g y U n i v e r s i t y ,J i l i n １３２１０１,C h i n a ;２．C h a n g c h u nU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y ,C h a n gc h u n １３００２２,C h i n a )∗C o r r e s p o nd i n g a u t h o r ,E Ｇm a i l :s １８d ５０５＠s t u ．k a g a w a Ｇu ．a c ．j pA b s t r a c t :T h eu n d e r w a t e r p a t h p l a n n i n g o f a m p h i b i o u s s p h e r i c a l r o b o t s i s c u r r e n t l y a re s e a r c hc h a l Ｇl e n g e i n t h ef i e l d o f a m p h i b i o u s r o b o tm o t i o n c o n t r o l ．I n t h i s s t u d y ,t w o t y p e s o f r o b o tm o t i o n c o n t r o l a lg o r i th m s ,n a m e l y G e n e r a li z e dC o n s t r a i n tO p t i m i z a t i o n (G C O P )a n dS e q u e n t i a lQ u a d r a t i cP r o gr a m Ｇm i n g (S Q P )a l g o r i t h m sb a s e do nv i s u a l s e r v o ,w e r ec o m p a r e da n da n a l y z e d ．T h eo pt i m a l p a t h p l a n Ｇn i n g o f t h ea m p h i b i o u ss p h e r i c a l r o b o tw a s r e a l i z e d ,c o m b i n a t e dw i t hv i s u a l s e r v os e n s o r s ．D yn a m i c t a r g e t c a l i b r a t i o n ,m o v i n g t a r g e tm o n i t o r i n g ,u n d e r w a t e ro b s t a c l er e c o g n i t i o n ,a n dt a r g e t t r a c k i n g Ｇf u n c t i o n sw e r ea l s o d e v e l o p e d ．F u r t h e r m o r e ,t h i ss t u d y c o n s i d e r e dt h es ym m e t r i c a ls t r u c t u r eo f s p h e r i c a l r o b o t s (u s i n g A r c h i m e d e s ᶄb u o y a n c y p r i n c i p l e )a n d c o m b i n e d f u z z y c o n t r o l a l g o r i t h m s t o c o n Ｇt r o l t h ew a t e r l e v e l o f t h ew a t e r t a n ks o t h a t s p h e r i c a l a m ph i b i o u s r o b o t s c a na c h i e v em u l t i ＧD O Fu n Ｇd e r w a t e rm o t i o n ．F i n a l l y ,a l g o r i t h ms i m u l a t i o n s a n du n d e r w a t e rm o t i o ne x p e r i m e n t sw e r e p e r f o r m e d t ov e r i f y t h e f e a s i b i l i t y o f t h e p r o p o s e dm e t h o d ．T h e r e s u l t s s h o wt h a t p a t h p l a n n i n g b y t h e S Q Pa l go Ｇ. All Rights Reserved.r i t h mi sm o r e r e a s o n a b l e c o n s i d e r i n g t h e d i s t a n c e b e t w e e n t h eG C O Pa n dS Q Pa l g o r i t h m s,r e l a t i v e t o t h eo b s t a c l e．I n r e a c h i n g t h e t a r g e t c o o r d i n a t e p o s i t i o n,t h e e r r o r b e t w e e n t h e t w o a l g o r i t h m s r e a c h e s t o１６７．５m m,s h o w i n g t h a t t h e S Q P a l g o r i t h m i s s u p e r i o r i n u n d e r w a t e r p a t h p l a n n i n g t h a n t h eG C O P a l g o r i t h m．K e y w o r d s:a m p h i b i o u s r o b o t;s p h e r i c a l r o b o t;p a t h p l a n n i n g;t a r g e t r e c o g n i t i o n１㊀引㊀言㊀㊀目前,在机器人研究领域,两栖仿生机器人的研究逐步成为研究热点,通过对一种动物运动方式的长时间观察与研究,提出了相应具有运动模式的仿生机器人的设计方案.这类机器人具有较为灵活的两栖运动能力,能够在水下实现最佳的路径控制和对目标具有一定的识别与追踪能力,但是,以往提出的仿生机器人大多只适应于水下的运动环境,对于目前所需要的两栖运动环境并不合适,球形两栖机器人能够很好地解决这一问题.在一些特殊的应用环境下,例如两栖侦察㊁海底探测㊁深海探测等相关领域,一般性能的机器人无法满足要求,所以两栖机器人应运而生.由于两栖机器人特殊的灵活性㊁超强的适应能力㊁便于投放和回收的优越特性,使它可以独立在水下完成侦查㊁搜救㊁探测㊁数据收集等工作.所以两栖球形机器人很自然地成为人类延伸自己感知能力的主要工具之一.本文提出的两栖球形机器人是一种先进的执行装置,包括运动推进器,传感器,控制板和安装在球形壳体中的电源装置.作为微型球形机器人,这种机器人得到广泛应用主要依靠四个技术优势.第一个特点是球形机器人是一种可移动行走的移动机器人,可以保持先进的平衡性㊁稳定性和运动连续性.第二个特点是球形机器人具有良好的密封性,可以完全保护内部控制单元和机构,这是其他机器人无法做到的.第三个特点是球形机器人具有很强的适应性,能在无人区㊁灰尘㊁湿气㊁腐蚀性和恶劣环境下完成任务.最后是矢量推进器具有更高的稳定性和灵活性,能使机器人保持更好的水下运动性能和抗噪声干扰能力.两栖机器人控制技术发展迅速,北京理工大学仿生机器人与系统教育部重点实验室郭书祥团队研究的两栖球形机器人,是以球形为主体的机器人,整体结构分为上半球和下半球.在陆地模式时,下半球可以折叠到上半球,用４个由８个舵机组成的机械臂行走,在水下模式的时候,折叠的上半球通过二个舵机封闭下半球,由喷水电机推进行走,球体内部也安装了通信和稳定控制模块,该球基本实现了球形机器人的基本功能,但没有实现水下的自动路径规划[１Ｇ３].北京邮电大学孙汉旭团队研究的球形机器人以摩擦力为驱动力,没有被动摩擦力的球形机器人,该机器人具有运动效率高,对路面要求低,适应能力强等优点[４].哈尔滨工程大学叶秀芬团队,也对球形机器人 基于喷水推进的微小球形水下潜器 进行了深入的研究[５].天津理工大学郭健团队也对球形机器人在陆地上的路径规划进行了深入的研究[６].但目前针对水下路径规划的相关研究相对较少.机器人执行有障碍的复杂水下任务时,路径规划对水下机器人实现任务目标具有非常重要的意义.文献[７]提出了一种基于先验知识强化学习策略的最佳路径选择的新算法.针对未知空间中移动机器人的路径规划问题,Y u a n等提出了一种基于门控递归单元Ｇ递归神经网络模型的动态路径规划方法[８].B a e等提出了一种结合深度学习和卷积神经网络的多机器人路径规划算法[９].文献[１０]提出了一种非完整的三轮移动机器人的路径规划和控制方法,该机器人用于在道路跟踪和复杂环境中进行在线导航.文献[１１]开发了一种 增强轮辋跳跃 的方法,该方法不依赖于逐点定位,而是通过找到障碍物之间的多次切线来获得最短路径.尽管在两栖球形机器人的路径规划方面已有许多研究,但是多数研究是基于单一的陆地环境下进行的.本文以实现球形两栖机器人最佳路径规划为研究目标,针对两种基于视觉伺服的广义约束优化(G e n e r a l i z e dC o n s t r a i n tO p t iＧm i z a t i o n,G C O P)和序列二次规划(S e q u e n t i a l Q u a d r a t i cP r o c o n t r o l,S Q P)的机器人运动控制算法进行对比分析,使用视觉伺服传感器实现两栖４３７１㊀㊀㊀㊀㊀光学㊀精密工程㊀㊀㊀㊀㊀第２８卷㊀. All Rights Reserved.机器人的最佳路径规划,并实时对监测动态目标进行标定㊁移动目标监测㊁水下障碍物识别和目标跟踪.最后,通过水下运动测试和仿真来对比验证算法的可行性.该运动的路径规划方案提高了球形两栖机器人的运动性能,使机器人可以执行更为复杂的水下任务.２㊀两栖球形机器人设计２．１㊀机械设计新型两栖球形机器人不仅具有良好的陆地运动能力,而且能够实现水下多自由度的运动.图１是机器人陆地运动模式和水下运动模式的结构.在陆地模式下,机器人下半球壳体通过两个舵机折叠至上半球,４个喷水推进器根据相应步态调整实现陆地行走[１２].在水下模式下,下半球闭合,机器人可以利用４个水下推进器实现水下多自由度运动.相比其他两栖球形机器人,加入了稳定控制块㊁４个激光测距模块和４个视觉采集模块,用来实现路径规划的相关参数采集.图１㊀两栖球形机器人的机械结构F i g ．１㊀M e c h a n i s mo f a m p h i b i o u s s ph e r i c a l r o b o t ２．２㊀硬件构成两栖球形机器人采用模块化设计,通过各模块的合理分布与协调工作,保证球体运动的可靠性和稳定性.如图２所示,球体主要搭载一块嵌入式处理器(A R M S ３C ６４１０,２G B D D R ３,l i n u x３．１２．０),用于数据处理;G P S 模块和声纳模块用于机器人通讯.陀螺仪传感器对机器人进行姿态感应与调整,伺服电机和电机控制器控制机器人的运动和姿态,图像采集模块用于机器人的视觉识别与动态目标捕捉,５０００m A 锂电供电模块用于机器人的供电.图２㊀两栖球形机器人的硬件结构F i g ．２㊀H a r d w a r es t r u c t u r eo fa m p h i b i o u ss ph e r i c a l r o b ot图３㊀机器人上浮和下潜原理F i g ．３㊀P r i n c i p l e f o r r o b o t f l o a t i n g a n dd i v i n g３㊀两栖球形机器人上浮下潜原理㊀㊀球体分为上半球和下半球两个仓室,如图３所示,下仓室装有排水口,通过上仓室的仓室气泵将上仓室的空气压入下仓室,通过下仓室的水压调节罐控制水箱的进水量,根据阿基米德浮力原理,球体的浮力由球体排开水的体积决定.当机５３７１第８期㊀㊀㊀㊀㊀㊀㊀马宇科,等:两栖球形机器人的路径规划策略. All Rights Reserved.器人下潜时,防水舵机顺时针旋转,将放气的阀门关闭,水从球体一端的孔进入,由于压力的作用,原本在球体内部的气体从球的另一端排出.水的重量再加上球体本身防水舵机的重量使球形机器人进行下潜.上浮时,防水舵机逆时针旋转,将二氧化碳气瓶中的压缩二氧化碳气体放出,此时排气孔和进水孔都变成了排水孔,机器人上浮.４㊀运动控制和路径规划算法４．１㊀非线性６自由度算法两栖球形机器人能够在陆地与水下多自由度运动,在陆地上要具有４个自由度,在水下要具有６个自由度的运动模式.图４㊀６自由度建模坐标标定F i g ．４㊀C a l i b r a t i o no f ６ＧD O Fm o d e l i n g co o r d i n a t e ６自由度包括R P Y (q ,p ,r )和Z Y Z (v ,u ,w )参考系.为了达到精确控制的目的,分别给出了两种受控源的旋转矩阵.如图４所示,参考坐标以x 轴围绕的角度 q 旋转,并用矩阵R x (q )表示.参考坐标以Y 轴围绕的角度 p旋转,并用矩阵R y (p )表示.参考坐标以Z 轴围绕的角度 r 旋转,并用矩阵R z (r )表示[１３].R (φ)＝Rx (q )R y (p )R z (r )＝C q C p C q S p S r －S q C r C q S p C r ＋S q S r S q S p S q S p S r ＋C q C r S q S p S r ＋C q S r －S pC p S r C q C r æèçççöø÷÷÷．(１)㊀㊀假设参考坐标绕Z 轴旋转一个φ的角度,并且旋转矩阵为R z (φ),参考坐标绕Y 轴旋转一个ϑ的角度,并且旋转矩阵为R yᶄ(ϑ),参考坐标绕Z 轴旋转一个ψ的角度,并且旋转矩阵为R z ᵡ(ψ).最终坐标系的方向是通过合成相对于当前坐标系的旋转矩阵并通过右乘计算得出的,获得基本矩阵为:R (Φ)＝R z (φ)R y ᶄ(ϑ)R z ᵡ(φ)．(２)㊀㊀旋转矩阵为:R ＝r １１r １２r １３r ２１r ２２r ２３r ３１r ３２r ３３æèçççöø÷÷÷．(３)㊀㊀参数ϑ在[π,０],可以表示为:φ＝A t a n２(r ２３,r １３)ϑ＝A t a n２(r ２１３＋r ２２３,r ３３)ψ＝At a n２(r ３２,－r ３１)ìîíïïïï．(４)㊀㊀参数φ在[－π,０],可以表示为:φ＝A t a n２(－r ２３,r １３)ϑ＝A t a n２(－r ２１３＋r ２２３,r ３３)ψ＝At a n２(－r ３２,－r ３１)ìîíïïïï．(５)４．２㊀G C O P 控制算法假设物体的表面由m 个方程表示为:h i (x ),i ＝１,２, ,m ,并且它的内部方程为[１４Ｇ１６]:h １＜０ɡh ２ɡ ɡh m ＜０．(６)㊀㊀对每个h i 构造新的函数:v i ＝(h ２i ＋t ２)１/２＋h i ,(７)其中:t 是一个小的正实数,v i 是x 和t 的函数,对整个物体,构造函数V :V ＝v １＋v ２＋ ＋v m ＝ðmi ＝１v i．(８)㊀㊀验证从h i 到v i 和v i 到V 的两个变换的性质.首先,函数v i 对任意x 和t 总是正的,其次,v i 是关于h i 的递增函数,即当h i ＞０时v i 的值和当h i ＜０时v i 的值.如果t ≪１,v i 可以近似表示为:v i ＝２h i ＋O (t ２)≫t ＞０,h i ＞０v i ʈt ,h i ＝０v i ʈO (t ２),h i ＜０ìîíïïï,(９)其中:O (t ２)为一个值非常小的正数.式(９)表明,除了点在物体表面附近时,h i ＝０;当h i ＞０时,v i ＞t ;当h i ＜０时,v i ＜t .对于在物体h i 内部和边界附近的点,其他函６３７１㊀㊀㊀㊀㊀光学㊀精密工程㊀㊀㊀㊀㊀第２８卷㊀. All Rights Reserved.数值h i (j ＝１,２,．．．,m ,j ʂi )是小于零的,因此得到v t ＝O (t ２).将式(７)替换到式(９)中,得到:V ≫t ,(h １＞０)＋(h ２＞０)＋ ＋(h m ＞０)V ʈt ＋O (t ２),(h １＝０ɡh j ＜０,j ＝２,３, ,m )＋(h ２＝０ɡh j ＜０,j ＝㊀㊀１,３,４, ,m )＋ ＋(h m ＝０ɡh j ＜０,j ＝１,２, ,m －１)V ʈO (t ２),(h １＜０)ɡ(h ２＜０)ɡ ɡ(h m ＜０)ìîíïïïïï．(１０)㊀㊀从式(１０)可以看出,当所有的h i 是负,即点在物体内部时,函数V 非常小;当点在物体外部时,V ≫t ＋O (t ２);当点在物体边界附近时,V ʈt.考虑当t ң０时,则有:v i ＞０,h i ＞０v i ＝０,h i ɤ０{．(１１)㊀㊀两个正数的和还是正数,一个正数与零的和是正数,两个零的和是零.因此,如果把正数作为逻辑 １ ,把零作为逻辑 ０ ,那么式(１１)中v i 的加 操作对应了布尔 或 运算.所以得到:V ＞０,(h １＞０)ᶱ(h ２＞０)ᶱ ᶱ(h m ＞０)V ＝０,(h １ɤ０)ɡ(h ２ɤ０)ɡ ɡ(h m ɤ０){．(１２)㊀㊀在水下机器人路径规划中,不期望路径太靠近障碍物.因此,引入一个小的正数Δv 作为路径到障碍物的距离控制参数,如果x 满足以下不等式:V ＝ðviȡΔv 或Δv －ðv i ＜０．(１３)㊀㊀那么这个点一定在由式(１３)所确定的障碍物的外部.如果Δv ң０,由Δv －ðv i ɤ０确定的边界将趋近于障碍物的表面.如果一个物体的表面和外部由(h １ȡ０)ᶱ(h ２ȡ０)ᶱ ᶱ(h m ȡ０)确定,那么它的外部和表面同样可以由Δv －ðv i ɤ０确定,其中Δv ң０.x 若满足Δv －ðv i ɤ０,那么x 就落在物体的外部.４．３㊀S QP 控制算法为了在三个维度上对两栖球形机器人进行建模,必须设定６个独立变量构建环境的空间位置㊁方向㊁大小和形状,O ＝O (x ０,y ０,z ０)代表机器人的几何中心,θ＝(θ１,θ２,θ３)代表机器人的定位方向[１７Ｇ１９].x ＝x (x ０,y０,z ０,θ１,θ２,θ３,v ),(１４)y ＝y (x ０,y ０,z ０,θ１,θ２,θ３,v ),(１５)z ＝z (x ０,y０,z ０,θ１,θ２,θ３,v ),(１６)其中:x ,y ,z 是机器人边界上的一个点,用于构造没有碰撞条件的机器人,x ０,y０,z ０是空间位置,θ１,θ２,θ３是空间方向,v 是具有两个参数的向量,(t １,t ２)用于表示特定机器人的边界点,球形机器人定义如下:((x －x ０)/r x )２/s ２＋((y －y ０)/r y )２/s ２[]s ２/s １＋((z －z ０)/r z )s /s １＝１,(１７)x ＝r x c o s s １(t １)c o s s ２(t ２),(１８)y ＝r y co s s １(t １)c o s s ２(t ２),－π/２ɤt １ɤπ/２,(１９)z ＝r z c o s s １(t １),０ɤt １ɤ２π．(２０)㊀㊀基于S Q P 算法,路径规划问题转化为半无限约束优化问题.假设空间中有n 个障碍物,则j个障碍物的表面可以表示为[２０]:h １(x ,y ,z )＝１,j ＝１,２, ,n ．(２１)㊀㊀整个可用空间可表示为:１－h １(x ,y ,z )ɤ０,j ＝１,２, ,n ．(２２)㊀㊀没有碰撞的必要和充分条件是曲面上所有点都必须无碰撞,获得无碰撞的充分条件是:１－h j (x l o c ,y l o c ,z l o c )ɤ１,(２３)其中:x l o c ＝x (x ０,y０,z ０,θ１,θ２,θ３,v )y l o c ＝y (x ０,y０,z ０,θ１,θ２,θ３,v )z l o c ＝z (x ０,y０,z ０,θ１,θ２,θ３,v )．(２４)㊀㊀在路径规划中,配置变量需要一个约束,如公式(２５)所示[２１Ｇ２２]:x ０l ɤx ０ɤx ０u ,y０l ɤy ０ɤy ０u ,z ０l ɤz ０ɤz ０u ,θ１l ɤθ１ɤθ１u ,θ２l ɤθ２ɤθ２u ,θ３l ɤθ３ɤθ３u ．(２５)其中(x ０l ,y ０l ,z ０l )和(x ０u ,y ０u ,z ０u )分别是上限和下限,推导得到:１－h j (r x c o s s １(t １)c o s s ２(t ２)(c o s (θ１)c o s (θ２)c o s (θ３)－s i n (θ１)s i n (θ３))－r yc o s s １(t １)s i n s ２(t ２)(c o s (θ１)s i n (θ３)－c o s (θ２)s i n (θ２)s i n (θ３))＋r z s i n s １(t １)(c o s (θ１)s i n (θ２))＋x ０,７３７１第８期㊀㊀㊀㊀㊀㊀㊀马宇科,等:两栖球形机器人的路径规划策略. All Rights Reserved.r x c o s s １(t １)c o s s ２(t ２)(－c o s (θ１)c o s (θ２)s i n (θ３)－s i n (θ１)c o s (θ３))＋r yc o s s １(t １)s i n s ２(t ２)(s i n (θ１)c o s (θ２)s i n (θ３)－c o s (θ１)s i n (θ３))＋r z s i n s １(t １)s i n (θ２)s i n (θ３)＋y ０,r x c o s s １(t １)c o s s ２(t ２)c o s (θ１)s i n (θ２)＋r yc o s s １(t １)s i n s ２(t ２)s i n (θ１)s i n (θ２)＋r z s i n s １(t １)c o s (θ２)＋z ０ɤ０．(２６)㊀㊀在方程中,－π/２ɤt １ɤπ/２,０ɤt ２ɤ２π.在非线性规划问题中,目标函数必须具有下限的最小值.目标设置必须使全局最小值可变,二次函数的目标函数表示为:f (x ０,y ０,z ０,θ１,θ２,θ３)＝w ((x ０－x ０g )２＋(y ０－y ０g )２＋(z ０－z ０g )２)＋(１－w )((θ１－θ１g )２＋(θ２－θ２g )２＋(θ３－θ３g )２)．(２７)㊀㊀其最优化点的坐标为(x ０g ,y ０g ,z ０g ),最优化角度为(θ１g ,θ２g ,θ３g ),并且满足方程式:m i n f (x ０,y０,z ０,θ１,θ２,θ３)＝(x ０g ,y ０g ,z ０g ,θ１g ,θ２g ,θ３g )＝０．(２８)㊀㊀在前面的公式中,w 表示用于调整空间位置(x ０－x ０g )２＋(y ０－y ０g )２＋(z ０－z ０g )２和机器人空间方向(θ１－θ１g )２＋(θ２－θ２g )２＋(θ３－θ３g )２之间的相对关系的权重,当w ＝１时计算空间位置.当w ＝０．５时,空间位置和空间的权重方向必然相等.５㊀实验及结果分析５．１㊀仿真实验为验证两种基于路径规划的G C O P 和S Q P在水下两栖机器人的路径规划过程中的有效性,使用MA T L A B 设置了两种算法,从初始起始坐标O l ＝(－２００,－２００,－２００)到达目标O u ＝(６００,６００,６００)的仿真实验的场景范围.场景空间的长㊁宽和高为６００c m 的立方体形状.基于S Q P 算法的不等式O l ɤO ɤO u 通过四个参数确保生成的路径在场景内,坐标分布分别在三维平面上的O s ＝(x ０s ,y ０s ,z ０s ),θs ＝(θ１s ,θ１s ,θ１s ),O g ＝(x ０g ,y ０g ,z ０g )和θg ＝(θ１g ,θ２g ,θ３g ).GC O P 算法的初始时刻设定t ＝０,Δv ＝０．０００１,起点坐标为:(x ０s ,y０s ,z ０s ,θ１s ,θ２s ,θ３s )＝(－２００,－２００,－２００,０,０,０),(２９)(x ０g ,y ０g ,z ０g ,θ１g ,θ２g ,θ３g )＝(５００,５００,５００,０,０,０)．(３０)㊀㊀目标函数定义为:f ＝ω[(x ０－５００)２＋(y ０－５００)２＋(z ０－５００)２]＋(１－ω)(θ２１＋θ２２＋θ２３)．(３１)㊀㊀如果满足等式,则该坐标点不会与球形障碍物碰撞.在模拟实验中设置了４个球形障碍物,为确保基于两种算法的准确性.４个障碍物的坐标和方程定义为:(x －２００)２＋(y －２００)２＋(z －２００)２＝５０２,x ２＋(y －２００)２＋(z －２００)２＝３０２,(x －４００)２＋(y －２００)２＋(z －２００)２＝３０２,(x －２００)２＋y ２＋(z －２００)２＝３０２．(３２)㊀㊀球形机器人的参数为(r x ,r y ,r z )是对象的几何间隔(s １＝１,s ２＝１．５表示机器人的形状是球形):r x ＝５,r y ＝４,r z ＝３,s １＝１,s ２＝１．５．(３３)㊀㊀图５为仿真结果(彩图见期刊电子版),在起点和目标点之间有４个障碍.粉色球和灰色球表示不同算法的两栖机器人的运动轨迹.３个蓝色球体和１个红色球体分别代表障碍物.机器人从起始位置到目标位置经过４个障碍物,两种算法比较,S Q P 算法在路径规划上更加合理,并在３个采样点处(黄色圆点)离障碍８３７１㊀㊀㊀㊀㊀光学㊀精密工程㊀㊀㊀㊀㊀第２８卷㊀. All Rights Reserved.图５㊀两种路径规划算法仿真分析F i g．５㊀S i m u l a t i o na n a l y s i so f t w o p a t h p l a n n i n g a lＧg o r i t h m s物始终保持了安全距离.但G C O P算法选择的路径在坐标点(－１００,１９０,３３２．５)处离障碍物较近,如机器人发生小角度偏移,有发生碰撞的危险.所以S Q P算法比G C O P算法在安全路径规划的路径控制方面更加有效.而在达到目标坐标位置上,两种算法的误差Δd＝１６７．５m m,因此S Q P算法在水下路径规划上更具有优势.５．２㊀水下实验为了进一步验证文章所提出算法的有效性,本文设计了基于S Q P算法的水下测试实验,实验是在长１５００m m,宽为１０００m m,高度为８００m m的封闭水池环境下进行,如图６所示.图中设置了跟仿真环境相匹配的４个球形障碍物,分别设计障碍物的固定坐标位置.机器人从起点出发,激光测距模块和图像采集传感器实时采集障碍物在水中的坐标,并实时调整机器人的运动轨迹,按算法程序中设定的最佳路径移动到目标位置.图７(a)是t＝０s时刻机器人的初始位置,箭头标明了规划的机器人最优路径轨迹.图７(b)~７(i)是机器人从t＝０s移动至t＝１５s的实际运动轨迹.在实验过程中,采集６个图６㊀球形机器人避障实验环境F i g．６㊀E x p e r i m e n t a l s e t u p f o ra v o i d i n g o b s t a c l e so fr o b ot图７㊀S Q P路径规划算法的实验图片F i g．７㊀P h o t o e s o f p a t h p l a n n i n g b y S Q Pa l g o r i t h m 不同的时间点,对机器人y轴和z轴方向的位移变化曲线进行采样,从而判断机器人在最佳路径选择上的稳定性和可靠性.从图８可以看出,机器人分别在第二个和第三个采样点偏移误差较大,误差值达到２０m m,在其余４个采样点误差小于１０m m,这是因为机器人在第二个到第三个采样点主要是对路径的选择阶段,从而影响了机器人的运动形态.机器人的运动轨迹如图９所示.９３７１第８期㊀㊀㊀㊀㊀㊀㊀马宇科,等:两栖球形机器人的路径规划策略. All Rights Reserved.图８㊀球形机器人y轴和z轴运动方向误差F i g．８㊀K i n e m a t i c e r r o r s o f r o b o t i n yＧa x i s a n d zＧa x i s图９㊀球形机器人的最佳路径轨迹F i g．９㊀O p t i m a l p a t h t r a j e c t o r y o f s p h e r i c a l r o b o t ６㊀结㊀论㊀㊀本文提出了两种基于路径规划的算法(G C O P和S Q P),通过设置４个不同尺寸的球形障碍物使两栖球形机器人可以通过视觉伺服传感器实现避障功能并选择最佳路径.在实验中,设置３个采样点对两种路径规划算法进行评估,基于G C O P算法在(－１００,１９０,５００)和(－５,２００,３４５．８)处距离障碍物较近;而基于S Q P算法在相对应的采集点处坐标分别为(－１００,１９０,５００)和(－１６０,１９０,５００),相对处于离障碍物较为安全和合理的位置.在终点坐标位置,基于G C O P算法到达预计终点坐标为(５００,５００,３３２．５),偏离了预先设定的终点坐标,而基于S Q P算法到达终点的坐标为(５００,５００,５００),基本达到预先路径规划的要求.通过３个坐标点的数据显示分析,两个采样点的坐标偏差最优化是要保证距离障碍物的距离在合理范围之内,S Q P算法在两个采集点处的障碍物距离更加合理.在第三个终点采样点,两种算法的机器人运动轨迹偏差为１６７．５m m.实验表明,对于两栖水下机器人的水下运动控制,基于S Q P的路径规划算法比G C O P的路径规划算法更具有优越性.未来的研究工作会在机械设计和控制方法上持续改进,以实现多机器人的水下多机协作控制与路径规划的最优控制.参考文献:[１]㊀Z H E N G L,G U OSX,G U SX．T h ec o m m u n i c aＧt i o na n d s t a b i l i t y e v a l u a t i o no f a m p h i b i o u s s p h e r i c a l r o b o t s[J]．M i c r o s y s t e m T e c h n o l o g i e s,２０１９,２５(７):２６２５Ｇ２６３６．[２]㊀郭书祥,孙珊,郭健．新型仿生水下子母机器人系统设计[J]．控制与决策,２０１９,３４(５):１００４Ｇ１０１０．G U OS H X,S U N S H,G U OJ．D e s i g no f an o v e lb i o m i m e t ic u nde r w a t e r m o t h e rＧs o n r o b o t s y s t e m[J]．C o n t r o la n d D e c i s i o n,２０１９,３４(５):１００４Ｇ１０１０．(i nC h i n e s e)[３]㊀Z H E N GL,G U OSX,P I A O Y,e t a l．．C o l l a b o r aＧt i o na n dt a s k p l a n n i n g o ft u r t l eＧi n s p i r e d m u l t i p l ea m p h ib i o u ss p h e r ic a lr o b o t s[J]．M i c r o m a c h i n e s,２０２０,１１(１):７１．[４]㊀于涛,孙汉旭,赵伟,等．一种球形滚动机器人的路径跟踪控制器设计[J]．计算机测量与控制,２０１９,２７(３):９１Ｇ９６．Y U T,S U N H X,Z HA O W,e t a l．．D e s i g no f ap a t h f o l l o w i n g c o n t r o l l e r f o ras p h e r i c a l r o l l i n g r oＧb o t[J]．C o m p u t e r&C o n t r o l o f C o m p u t e r,２０１９,２７(３):９１Ｇ９６．(i nC h i n e s e)[５]㊀杨红彪．水下球形机器人的关键技术研究[D]．哈尔滨:哈尔滨工程大学,２０１８:１５Ｇ１９．Y A N G H B．R e s e a r c h o n t h eK e y T e c h n o l o g i e s o f０４７１㊀㊀㊀㊀㊀光学㊀精密工程㊀㊀㊀㊀㊀第２８卷㊀. All Rights Reserved.t h e U n d e r w a t e r S p h e r i c a l R o b o t[D]．H a r b i n:H a r b i n E n g i n e e r i n g U n i v e r s i t y,２０１８:１５Ｇ１９．(i nC h i n e s e)[６]㊀G U OJ,L IC Y,G U OSX．An o v e l s t e p o p t i m a l p a t h p l a n n i n g a l g o r i t h mf o r t h e s p h e r i c a lm o b i l e r oＧb o t b a s e do n f u z z yc o n t r o l[J]．I E E EA c c e s s,２０２０,８:１３９４Ｇ１４０５．[７]㊀L I U X H,Z HA N G D G,Y A N H R,e t a l．．A n e wa l g o r i t h m o f t h eb e s t p a t hs e l e c t i o nb a s e do nm a c h i n el e a r n i n g[J]．I E E E A c c e s s,２０１９,７:１２６９１３Ｇ１２６９２８．[８]㊀Y U A NJY,WA N G HJ,L I NCJ,e t a l．．An o v e lG R UＧR N N n e t w o r k m o d e l f o rd y n a m i c p a t h p l a nＧn i n g o fm o b i l er o b o t[J]．I E E E A c c e s s,２０１９,７:１５１４０Ｇ１５１５１．[９]㊀B A E H,K I M G,K I MJ,e t a l．．M u l t iＧr o b o t p a t h p l a n n i n g m e t h o du s i n g r e i n f o r c e m e n t l e a r n i n g[J]．A p p l i e dS c i e n c e s,２０１９,９(１５):３０５７．[１０]㊀A L I M A H,MA I L A H M．P a t h p l a n n i n g a n dc o n t r o l o fm o b i l e r o b o t i n r o ade n v i r o n m e n t s u s i n gs e n s o r f u s i o na n da c t i v ef o r c ec o n t r o l[J]．I E E ET r a n s a c t i o n s o nV e h i c u l a rT e c h n o l o g y,２０１９,６８(３):２１７６Ｇ２１９５．[１１]㊀Y A OZ,Z HA N G W M,S H IY L,e t a l．．R e i nＧf o r c e d R i m J u m p:t a ng e n tＧb a s e dsh o r t e s tＧp a t h p l a nＧn i n g f o r t w oＧd i m e n s i o n a lm a p s[J]．I E E E T r a n sＧa c t i o n s o nI n d u s t r i a lI n f o r m a t i c s,２０２０,１６(２):９４９Ｇ９５８．[１２]㊀Z H E N GL,P I A O Y,MA Y K,e t a l．．D e v e l o pＧm e n t a n d c o n t r o l o f a r t i c u l a t e da m p h i b i o u s s p h e r iＧc a l r o b o t[J]．M i c r o s y s t e mT e c h n o l o g i e s,２０２０,２６(５):１５５３Ｇ１５６１．[１３]㊀郑亮,朴燕,马宇科．非线性反馈和二次型调节器在两栖机器人中的应用[J]．光学精密工程,２０１９,２７(１０):２１９９Ｇ２２０６．Z H E N G L,P I A O Y,MA Y K,A p p l i c a t i o no fn o n l i n e a r f e e d b a c ka n d q u a d r a t i c r e g u l a t o r s i na mＧp h i b i o u s r o b o t s[J]．O p t．P r e c i s i o nE n g．,２０１９,２７(１０):２１９９Ｇ２２０６．(i nC h i n e s e)[１４]㊀张旭,曾祥鑫,郎博．基于控制变量参数化方法的自由漂浮空间机器人路径规划[J]．光学精密工程,２０１９,２７(２):３７２Ｇ３７８．Z HA N G X,Z E N G XX,L A N GB．P a t h p l a n n i n go f f r e eＧf l o a t i n g s p a c e r o b o t b a s e do nc o n t r o l v a r i aＧb l e p a r a m e t e r i z a t i o n m e t h o d[J]．O p t．P r ec i s i o nE n g．,２０１９,２７(２):３７２Ｇ３７８．(i nC h i n e s e) [１５]㊀Y UJZ,L I UJC,WUZX,e t a l．．D e p t h c o n t r o l o fab i o i n s p i r e dr o b o t i cd o l p h i nb a s e do ns l i d i n gＧm o d ef u z z y c o n t r o l m e t h o d[J]．I E E E T r a n s a cＧt i o n so n I n d u s t r i a l E l e c t r o n i c s,２０１８,６５(３):２４２９Ｇ２４３８．[１６]㊀Z HA N GS W,Q I A N Y,L I A OP,e t a l．．D e s i g na n d c o n t r o l o f a na g i l e r ob o t ic f i s hw i t h i n t e g r a t i v eb i o m i m e t i cm ec h a n i s m s[J]．I E E E/A S M ET r a n sＧa c t i o n s o nM e c h a t r o n i c s,２０１６,２１(４):１８４６Ｇ１８５７．[１７]㊀曾祥鑫,关英姿,晏卓,等．自由漂浮空间机器人最小基座扰动路径规划[J]．光学精密工程,２０１７,２５(１２z):６７Ｇ７３．Z E N G XX,G U A N YZ,Y A NZ H,e t a l．．P a t hp l a n n i n g f o r m i n i m i z i n g b a s ed i s t u r b a n c eo ff r e eＧf l o a t i ng s p a c er o b o t[J]．O p t．P r e c i s i o n E n g．,２０１７,２５(１２z):６７Ｇ７３．(i nC h i n e s e)[１８]㊀陈原,何淑垒,姜媛,等．轮Ｇ腿复合式移动机器人球面并联腿机构的动力学模型[J]．光学精密工程,２０１９,２７(８):１８００Ｇ１８１０．C H E N Y,H ES H L,J I A N G Y,e t a l．．D y n a m i cm o d e l o f s p h e r i c a l p a r a l l e lm e c h a n i s mf o rw h e e lＧl e gh y b r i d m o b i l er o b o t[J]．O p t．P r e c i s i o n E n g．,２０１９,２７(８):１８００Ｇ１８１０．(i nC h i n e s e)[１９]㊀WA N G W,D A IX,L IL,e t a l．．T h r e eＧd i m e nＧs i o n a lm o d e l i n g o f a f i nＧa c t u a t e dr o b o t i c f i s h w i t hm u l t i m o d a l s w i m m i n g[J]．A S M ET r a n s a c t i o n s o nM e c h a t r o n i c s,２０１８,２３(４):１６４１Ｇ１６５２．[２０]㊀WUZX,L I UJC,Y UJZ,e t a l．．D e v e l o p m e n t o f a n o v e l r o b o t i c d o l p h i n a n d i t s a p p l i c a t i o n t ow aＧt e r q u a l i t y m o n i t o r i n g[J]．A S M ET r a n s a c t i o n s o nM e c h a t r o n i c s,２０１７,２２(５):２１３０Ｇ２１４０．[２１]㊀徐彦伟,刘明明,刘洋,等．基于信息融合的机器人薄壁轴承故障智能诊断[J]．光学精密工程,２０１９,２７(７):１５７７Ｇ１５９２．X U Y W,L I U M M,L I U Y,e t a l．．I n t e l l i g e n tf a u l t d i ag n o s i s o f thi nw a l l b e a r i n g b a s e do n i n f o rＧm a t i o n f u s i o n[J]．O p t．P r e c i s i o nE n g．,２０１９,２７(７):１５７７Ｇ１５９２．(i nC h i n e s e)[２２]㊀刘涛,尹仕斌,任永杰,等．机器人工具坐标系自动校准方法[J]．光学精密工程,２０１９,２７(３):６６１Ｇ６７０．１４７１第８期㊀㊀㊀㊀㊀㊀㊀马宇科,等:两栖球形机器人的路径规划策略. All Rights Reserved.L I U T ,Y I NS H B ,R E N YJ ,e t a l ．．A u t o m a t i c c a l i b r a t i o no fr o b o tt o o lc e n t e rf r a m er o b o tt o o l c e n t e r f r a m e [J ]．O p t ．P r e c i s i o nE n g ．,２０１９,２７(３):６６１Ｇ６７０．(i nC h i n e s e)作者简介:㊀马宇科(１９９６－),男,吉林通化人,主要从事机器人机械结构设计和机器人建模相关方向的研究.E Ｇm a i l :f r a n k Ｇm a １２０８１６＠１６３．c o m通讯作者:㊀郑㊀亮(１９８２－),男,吉林吉林人,博士研究生,讲师,２００６㊁２０１０年于长春理工大学分别获得学士㊁硕士学位,２０１５年至今香川大学(日本)在读博士,主要从事机器人控制学㊁水下机器人建模与仿真系统的研究.E Ｇm a i l :s １８d ５０５＠s t u ．k a g a w a Ｇu ．a c ．j p２４７１㊀㊀㊀㊀㊀光学㊀精密工程㊀㊀㊀㊀㊀第２８卷㊀. All Rights Reserved.。

陆空两栖机器人飞行系统设计共3篇陆空两栖机器人飞行系统设计1陆空两栖机器人飞行系统设计随着科技的不断发展，机器人技术也在不断进步。

陆空两栖机器人技术是近年来备受关注的一种技术，它能够在陆地、水面和空中进行自主移动和操作。

本文主要介绍一种基于多旋翼的陆空两栖机器人飞行系统设计。

一、需求分析陆空两栖机器人在实现自主移动和操作的过程中，需要满足以下几个方面的要求：1. 具备自主飞行能力：系统需要具备飞行控制能力，能够自主飞行、悬停、降落等。

2. 具备稳定性和安全性：系统在飞行过程中需要保持稳定，以保证机器人和周围环境的安全。

3. 具备航拍和侦察能力：系统需要能够搭载相应的摄像头和传感器，实现对区域的航拍和侦察。

4. 具备水上行驶和水中浮力：系统需要具备水上行驶能力，并且能够在水中浮起来。

5. 具备浅水航行能力：系统需要具备在浅水区进行航行的能力。

二、系统设计本文所述的陆空两栖机器人飞行系统，采用多旋翼设计。

多旋翼是现代机器人技术中常用的一种飞行器。

它由多个电动机带动旋翼，在空中飞行。

多旋翼具有灵活性、稳定性和安全性优势。

1. 飞行控制系统系统采用飞控主控板进行飞行控制。

主控板固定在机身中央位置，由多个传感器（GPS、角速度计、加速度计等）采集机体运动状态和环境信息，并通过控制多个电动机的转速和转向，实现飞行控制。

2. 多旋翼系统本系统采用四个旋翼进行飞行控制。

旋翼通过电动机带动旋转，产生升力，实现机身悬停、飞行等功能。

旋翼由碳纤维材料制作，具有较强的韧性和抗风能力。

3. 降落装置本系统采用弹簧减震式降落装置。

降落装置包括弹簧和吸震器，在机器人降落时可有效减轻着陆冲击，保护机器人和搭载的设备。

4. 水上浮力为增强系统的水上行驶功能，本系统设置了水上浮力装置。

浮力装置采用密闭式结构，外部采用防水材料制作，具有良好的防水性能。

5. 相关设备本系统搭载一台高清相机和多种传感器，可在航拍和侦察方面进行应用。

同时，系统还搭载有GPS定位系统，可实现精确定位和路径规划功能。

关于仿生机器蟹的研究学院：机电学院班级：11008008学号：姓名：Email:关于仿生机器蟹的研究仿生机器人因为具有较好的可靠性、适应性以及强大的功能，正日益成为科研工作者研究的热点。

近年来,为适应环境或军事需要,微小型机器人、仿生机器人、步行机器人都得到了长足的发展. 随着微电子机械系统技术(MEMS)、高密度信息处理技术、集成控制技术的飞速发展,微小型机器人以其隐蔽性强、功耗小、成本低廉、便于大量部署的优点正日益成为执行高危险军事任务的理想平台。

其中微小型仿生多足步行机器人以其高机动性的特点,成为军用机器人开发研究的热点。

蟹结构小巧、运动灵活、对不平路面适应力强,因此是研究水、陆两栖全方位、高灵活步行机理想的生物模型。

步行机器人属于多输入、多输出、非线性的复杂结构,在仿生机器蟹运动学研究方面,大多只对单腿进行串联结构的运动学分析,对整个步行机每一瞬时的运动学分析,目前尚缺少完整的论述,本文考虑步行机每一瞬时各腿运动情况不同,分别建立相应的运动学方程,即对抬起腿作串联机构分析,对着地腿与躯体形成的机构作并联机构分析,实现较完善的运动学分析.并对分析结果进行了仿真验证。

一、螃蟹的行走原理：螃蟹具有8足步行机特征,在行走过程中,每条腿都是抬起和着地两种状态交替变化,抬起的腿从躯体上看是开链机构,相当串联手臂。

而同时着地的腿与躯体构成并联多闭链多自由度机构.这种行走过程,从机构学角度看就是不同分支并联机构及串联开链机构之间的不断变化的复合型机构.针对这种机构我们采用串并联综合分析的方法,提出运动学算法及计算机仿真验证方法.通过计算机仿真验证了该方法分析结果的正确性,得出了一种用于仿生机器蟹行走过程运动学研究的行之有效的分析方法。

二、仿生系统的构成：两栖仿生机器蟹作为一个两栖环境下高技术仪器设备的集成体[3J，是一个非常复杂的机器人系统。

为了模仿生物原型运动的高效率、低噪声、高速度、高机动性等特点，两栖仿生机器蟹的研究中包含了结构仿生、材料仿生、功能仿生、控制仿生和群体仿生几个方面的内容。

灵感来自海滩上的弹涂鱼作者：陈彦希王佳佳来源：《大学生》2024年第05期退潮时，厦门的沙坡尾海滩上常常可以看到一些黑乎乎的、爬来爬去，还不停跳跃的鱼，那就是弹涂鱼。

弹涂鱼不仅可以在岸上爬，还能在水里游，这种两栖的特点吸引了厦门大学海洋与地球学院的张宇教授，并让他产生了发明“两栖机器人”的想法。

经过长时间设计研发，这一想法终于成真。

不久前，张宇团队及其合作者研发的“仿生弹涂鱼两栖机器人（MIARF）”终于亮相。

实地测试证明，该机器人能够根据水陆两种不同的运动环境，采用不同的运动模式——通过胸鳍-尾鳍的协调作用，实现陆地及水下复杂环境中的高能量效率与高机动性。

近日，相关成果发表于Cell旗下期刊《CellReportsPhysicalScience》。

专门研究鱼的团队实际上，这不是张宇团队第一次研究仿生机器鱼了。

在此之前，团队就曾开展过许多关于仿生鱼的研究——仿生鲨鱼、仿生刀鱼、仿生金枪鱼、仿生水母为什么要研究仿生鱼？海洋约占地球表面积的71%，但对于人类来说，约95%的海洋是未知的。

因此，认识海洋、探测海洋成为一个迫切的问题。

而仿生机器人作为认识和探测海洋的前沿载体技术，起着重要作用。

相比起人，机器人更适合在复杂和缺氧的水下环境进行大量探测。

传统的工业机器人一般通过螺旋桨驱动或空轮式驱动，机动性较差，在狭小的空间内，传统工业机器人无法有效工作。

而真实的生物，比如鱼类，可以在远小于自身身体大小的空间里有效转向，这对于研究在复杂空间内作业的仿生机器人有重要借鉴意义。

两栖机器人既能入水，又可上地，灵活适应环境，能够完成需要跨介质的环境监测、搜索救援等工作。

但由于技术原因，大部分的两栖机器人难以实现有效的两极切换，且尺寸笨重、噪声较大、运动效率低下、隐蔽性不强。

于是，张宇团队基于弹涂鱼的生物灵感，设计了一款具有较高运动效率和环境适应性的机器鱼。

仿生弹涂鱼，银奖！这项颇具创新点的课题，最早要追溯到2019年的一次比赛。

两栖机器人的研究现状作者：武国强来源：《电子乐园·中旬刊》2020年第08期天津渤海职业技术学院，天津 300400摘要：随着现代社会不断地向前飞速发展，机器人技术已经与人类的生活建立了不可分割的关系。

两栖机器人是机器人的一种，由于它是对称的结构，所以在环境适应性以及运动稳定性上都具有很大的优势，并且已经广泛地应用于各种领域中。

因此对于两栖机器人的研究已经成为机器人研究领域的一个热门话题。

关键词：两栖;机器人;研究现状生产力水平不断提高，推动了科技文明的不断发展和创新，人类在短短的二十年内，先后经历了PC电脑时代、互联网时代、移动互联网时代，科技创新和变革已经深入影响了人们的生活，与此同时机器人技术的发展正在逐渐的改变人们的生活方式。

两栖机器人由于其创新的结构，优良的运动特性对于诸多种类的机器人系统是一个重要的补充单元。

近些年来，国内外诸多研究机构和企业公司加大了对两栖机器人的投入产出研究，取得了一定的成果并开发了一系列机器人样机[1]。

众所周知，占地球表面积71%的海洋环境是一个丰富而远未得到大力开发的资源宝库，同时也是兵戎相见的战场。

21世纪，人类将面临人口极速膨胀和生存空间、陆地资源匮乏和社会生产飞速增长、生态环境持续恶化和人类可持续发展三大严峻的矛盾挑战，人类社会要想持续维持自身的长期生存、繁衍和发展，就必须有效充分的利用和开发海洋资源，这是迫在眉睫的抉择。

尤其对人均资源缺乏的我国来说，海洋资源的利用和开发愈发具有特殊的意义。

因此，水下机器人将在海洋环境的监测、海洋资源的勘察、海洋科学的研究中发挥极其重要的作用。

水下机器人的应用领域也在不断的扩大和突破，例如海洋开发、海洋研究以及海洋工程等，在当今世界上，发达的军事大国更是特别注重水下机器人在未来战争中的广泛应用，水下机器人也将成为未来水下战争中在获取情报信息、实施精确智能攻击、完成特殊战斗任务的重要军事设备之一。

当前水下机器人也正处在飞速发展的阶段之中[2]。