水下机器人-机械手系统自适应抗扰控制方法李冀永;万磊;黄海;张国成;秦洪德【摘要】针对开架式水下机器人在其作业过程中易受到脐带缆、机械手和海流等扰动影响的问题,为减小改扰动对艇体姿态的影响,文中对开架式水下机器人设计了一种基于模型的自适应抗扰控制方法,并分别对脐带缆和机械手引起的扰动进行了建模分析,具体建立了一种以全局运动学控制环和扰动力补偿项为主的自适应抗扰控制.在SY-Ⅱ开架式水下机器人平台上进行了S面控制和自适应抗扰控制的对比实验.结果表明,脐带缆和机械手的扰动力会对水下机器人的姿态产生较大影响,通过对扰动力的实时估算和补偿,在定深定向、轨迹跟踪实验中,基于模型的抗扰控制方法表现出更高的控制精度,在姿态保持实验中,与S面控制方法相比,自适应抗扰控制展现了较好的鲁棒性,系统轨迹更平稳,具有更强的稳定性.%Open frame underwater vehicles tend to be affected by the disturbances caused by manipulator,tether,waves and other factors.In order to reduce the influence of disturbances,in this article a model-based adaptive anti-disturbance control (AADC) method for open frame underwater vehicles was proposed.The models of disturbances caused by manipulator and tether was analyzed,and an AADC method in details based on global dynamic control loop and disturbances compensation terms was established.Experiments carried out on SY-Ⅱ open flame underwater vehicle to compare the AADC with the S surface control show that manipulator and tether indeed caused certain disturbances on the vehicle.The AADC method shows higher control accuracy through the estimation and compensation of disturbance in deep keeping,orientationkeeping and path following experiments.When it comes to the position keeping experiments while the manipulator is at work,AADC method is robust against disturbance,hence generating smoother trajectory in vehicle motion and showing better stability performance than S surface control.【期刊名称】《天津大学学报》【年(卷),期】2018(051)004【总页数】9页(P413-421)【关键词】水下机器人;机械手;脐带缆;抗扰控制【作者】李冀永;万磊;黄海;张国成;秦洪德【作者单位】哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001;哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001;哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001;哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001;哈尔滨工程大学水下机器人技术重点实验室,哈尔滨150001【正文语种】中文【中图分类】TP242.6开架式水下机器人在海底观测、海洋工程的管道检测与资源开发、海底作业等方面广泛应用．它们可以通过水面或母船的遥控在极端危险的大深度领域完成潜水员无法胜任的工作[1]．然而由于在实际环境中，机器人面临海流等外界环境的干扰，脐带缆[2]和机械手[3]也会同时给载体带来扰动，所以实现开架式水下机器人的长时间精确作业还需要研究精确的控制方法．开架式水下机器人在其作业过程中受到多方面扰动的综合影响，其中以脐带缆的拖曳力和机械手的干扰力为主．由脐带缆拖曳力造成的扰动影响使操作人员难以对水下机器人进行精确的位置控制；而机械手给水下机器人的悬停定位作业时带来的扰动力(矩)，更会对其作业姿态造成较大影响．因此必须深入分析水下机器人的扰动力的特性，对作业过程中机械手、脐带缆产生的扰动力进行补偿．文献[4-5]分别设计了滑膜控制器和状态反馈控制器对水下机器人进行运动控制，但都没有建立水下机器人所受的扰动力模型．在水下机器人-机械手系统方面，文献[6]针对水下机器人-机械手系统设计了一种自适应控制器，但其动力学模型参数存在较大的不确定性，因此较难应用．文献[7-8]分别基于能量的方法和拉格朗日方程对水下机器人-机械手系统建立了动力学模型，但并没有给出二者耦合运动时机械手给水下机器人的扰动力矩．文献[9-10]系统地分析了机器人-机械手系统的运动学模型，并给出了系统作业过程中浮心和重心变化派生的恢复力(矩)，然而并未在模型中给出艇体和机械手相互耦合作用的表达式．脐带缆也会对开架式水下机器人产生较大的扰动，文献[11]建立了脐带缆带来的干扰力模型．文献[12]基于有限元技术，通过PD控制器对脐带缆造成的干扰力进行补偿．文献[13]同时考虑了海流和脐带缆对水下机器人的影响．但上述三者在分析时涉及了较复杂的数值计算，因此在引入机器人外部扰动力分析后，控制器的设计将更加复杂．本文通过对开架式水下机器人机械手和脐带缆的扰动力分别进行建模和分析，建立一种基于模型的自适应抗扰控制方法，通过该控制方法对水下机器人进行全局控制，并对影响机器人姿态的扰动力进行实时观测和补偿，从而减小机器人作业过程中的扰动，使其更精确地进行作业任务．本节提出了一种基于卡尔曼滤波器的间接自适应控制器，先基于卡尔曼滤波器估计模型中的未知变量，再将估计后的状态变量应用于控制器中．一个典型的开架式水下机器人结构如图1所示．包括前视声呐、水下摄像机等探测设备；磁罗经、深度计等运动感知传感器；水下机械手等作业设备．控制指令、传感器信息和动力电通过脐带缆在水面和水下之间传输．开架式水下机器人的动力学模型为式中：为开架式水下机器人系统惯量矩阵，，为质量相关的惯量和质量矩阵，为附加质量矩阵；为机器人在艇体坐标系的位置状态；为哥氏力(包括由附加质量引起的)；为受到的流体黏性力(包括流体惯性力和黏性力)；代表航行和作业过程的恢复力矩；为控制输出力；为机器人所受到的干扰力.根据动力学模型，所设计的开架式水下机器人的控制律为式中：上角标代表观测量；代表机器人所受到的外界环境干扰；为S面运动学控制环，当偏差较大时控制指令比较疏松，当偏差较小时控制指令比较细，在一定程度上也体现了模糊控制的思想[14]；在控制器中，代表期望加速度；和的维数相对应；和分别代表比例系数和微分系数；和分别代表位置偏差和偏差变化率．通过机器人配置的多普勒测速仪、深度计、磁罗经等传感器，可获取机器人的实时首向角、纵倾角、横倾角、速度、深度等信息，机器人的实时运动转台可通过扩展卡尔曼滤波器(EKF)获得式中：为滤波器结算后的UVMS各自由度的位置；为观测矩阵；为传感器获取的状态量；为观测噪声矩阵．结合式(2)和式(3)可得到基于模型的间接自适应抗扰控制器为结合式(1)和式(4)，形成闭环系统为由于惯量矩阵可逆，所以有其中，加速度误差为，且有考虑到S面运动学控制环可展开为式中为第j项伯努利数．故如果忽略高阶项，式(7)可以线性化为这样定义Lyapunov函数为式中：为正常数，，为的最小特征值，这样对非零向量有，即．这就意味着为正定对称阵．另一方面，设为正对称阵，常数，所以有Lyapunov函数关于时间的导数为由于，，，将式(7)代入上式得由于矩阵和为正定对称阵，所以如果通过控制器使得则为全局负定的．根据Lyapunov稳定性定理，在平衡点全局渐近稳定，即所以控制器为全局一致渐近稳定的．开架式水下机器人在水下作业，主要受到来自脐带缆、机械手和海流等的扰动力．下文分别分析脐带缆和机械手扰动力的估计方法，以实现运动控制中的补偿．在海流扰动条件下，脐带缆对开架式水下机器人有重要的非线性干扰．脐带缆在流体中的动力学模型可以描述为式中：为未拉伸的拉格朗日坐标系；为施加在上的张力；为单位长度脐带缆的质量；为惯量加速度；为单位长度的脐带缆在水中受到重力，，为海水的密度，g为重力加速度，为脐带缆的密度，为脐带缆的横截面积；为单位长度下的流体作用力．根据图2所示的受力状况，可以将脐带缆的扰动分为水面、水下和与机器人的连接点几个部分．脐带缆在水面的端点速度为零，点所受的拖曳力为式中、和分别为x、y、z方向的拖曳力. 这样，对于空气中脐带缆第i个微元的受力方程为式中：为脐带缆在水平方向的拉伸长度；为脐带缆在垂直方向上的拉伸长度；为空气中第i段脐带缆微元的重量，；脐带缆局部坐标系下和是第i段脐带缆微元的两端受力；代表风对第i段脐带缆微元的作用力；代表拖曳系数；是风相对于脐带缆的速度[15]，，为水平面10,m高处风速，代表图2中距离水平面的高度，为脐带缆在水面的参考点距水面距离．类似的脐带缆在水中有式中：；和是在坐标系下第j个脐带缆微元两端的张紧力；是作用在第j个脐带缆微元的海流扰动力；是脐带缆相对于水的速度．对于在脐带缆末端与机器人的相连接位置有式中：H为从上的脐带缆局部坐标系到艇体拖曳点坐标系下的转换矩阵；代表机器人在点受到的合力；、和是开架式水下机器人在点受到来自脐带缆的水平和竖直方向的拉力．所以在脐带缆的局部坐标系下，脐带缆的张紧力可以计算为式中和分别代表脐带缆微元在空气中和水中的加速度．因此脐带缆对开架式水下机器人的扰动可以表示为式中代表拖曳点相对于机器人质心的坐标．如图3所示，在作业过程中机械手和开架式水下机器人之间的相互作用主要体现在两个方面：一是重心和浮心变化给机器人平台造成的恢复力矩；二是机器人和机械手之间的耦合作用力．机械手的运动给开架式水下机器人所造成的恢复力矩为式中：和为艇体坐标系下机械手第i个广义连杆的重力和浮力，艇体坐标系下载体所受到的重力和浮力分别为、，其中，，而开架式水下机器人相对于绝对坐标系的变换矩阵为机械手的第i＋1个广义连杆相对于第i个广义连杆的变换矩阵为式中：为第i个关节的zi轴和第i＋1个关节的zi＋1轴之间的夹角；为第i个关节绕zi轴旋转角；和分别为开架式水下机器人的重心和浮心；和分别为机械手第i 个广义连杆的重心和浮心．另一方面，水下作业时机械手和机器人遵循动量矩守恒．所以根据Newton-Euler 方程，机械手的第i个广义连杆所受的惯性力和力矩分别为式中：为机械手第i个广义连杆的质量；为机械手第i个广义连杆的质心相对于第i个关节坐标系的惯量阵；为机械手第i个广义连杆的质心相对于第i个关节坐标系的线速度；为第个关节相对于第i个关节坐标系的角速度．因此机械手第个广义连杆所受到的力和力矩为式中：和分别为机械手第i个广义连杆所受到的流体作用力；和分别为第i个广义连杆在第i－1关节处所受到的约束反力(力矩)；代表旋转关节的矢量，，为第i个广义连杆两端关节的距离，为第i个连杆的长度；，为第i个广义连杆几何中心的运动矢量．关节递推过程按文献[16]，即因此机械手对开架式水下机器人的干扰主要为恢复力矩和耦合作用力的总和，即为了验证和分析所设计的控制器，在哈尔滨工程大学水下机器人技术重点实验室的综合水池(50,m×30,m×10,m)分别进行了轨迹控制和机械手作业的协调控制实验．用S面控制方法[14](式(8))和本文提出的自适应抗扰方法(式(4))进行了对比得式中为控制器输出最大值．实验平台为SY-Ⅱ开架式水下机器人平台(如图4所示，平台的水动力系数如表1所示)．该机器人长1.3,m、宽0.8,m、高0.6,m，配有2个主推螺旋桨、2个侧推螺旋桨、2个垂推螺旋桨和1个具备两俯仰关节机械手，机械手相关参数如表2所示．脐带缆和机器人的固定点在机器人的艉部中点，所以脐带缆给机器人造成的横倾力矩为0，脐带缆相关参数如表3所示.它通过水面控制台向水下机器人嵌入式计算机发送控制指令，实现它的运动控制．文中首先进行了同时定深定向控制，在水面同时进行机器人的艏向控制和深度控制，目标艏向120°，深度3,m，如图5所示．机器人在水面下潜，同时到达期望深度和艏向姿态．和S面控制相比，所设计的控制器基于模型和机器人的艏向、俯仰、和横倾等姿态实时估计了机器人所受到的脐带缆等扰动力，并通过自适应抗扰控制实时补偿，从而降低了控制误差，提高了收敛速度和控制精度．在路径跟踪过程中，机器人通过多普勒和磁罗经推算机器人的实时位置，分别跟踪了空间Z型曲线和空间螺旋线，虽然S面控制也可以实现跟踪，但所设计的控制器根据机器人的三维姿态、航行速度实时估计机器人所受到的脐带缆等扰动力，通过自适应抗扰控制实时补偿，并在控制过程中不断比较期望路径和实际路径的误差，实现了更加精确的路径跟踪．本文研究了控制器在水下机器人机械手作业过程中的姿态控制能力，在作业过程中机器人的姿态的稳定直接影响到机械手末端的作业精度和效率，所以作业过程中的姿态能力将较大提高机器人的悬停抓取和作业的精度和效率．图6(a)中，机械手的肘关节在水中进行俯仰运动，图6(b)中，机械手的肩关节和肘关节在水中同时进行俯仰运动，在机械手运动过程中，机械手的俯仰运动主要给机器人的俯仰姿态造成了影响．可从图6(c)和(d)中观察到肘部运动时机械手对机器人的扰动力和扰动力矩；图6(e)和(f)表示了肩-肘联合运动对机械手的干扰力和干扰力矩．由此可见，机械手的运动，尤其是肩-肘联合运动会对机器人产生较大的干扰影响．在协调运动控制中，机器人通过前后两个垂推进行姿态控制，抑制机械手影响的机器人俯仰运动，保持机器人的姿态平稳．在姿态控制过程中，所设计的控制器根据磁罗经得到的机器人俯仰、横倾和艏向等姿态角，机械手的各关节反馈角，实时估计机器人所受到的机械手扰动力，并进行补偿．和S面控制相比，基于模型的自适应控制器因为能够估计到机械手的扰动力，所以机器人的姿态平稳，控制精度高．脐带缆的拖曳力和机械手的扰动力会对开架式水下机器人的作业造成较大扰动影响，为使水下机器人以更稳定的姿态进行精确作业，本文针对开架式水下机器人设计了一种基于模型的自适应抗扰控制方法，该控制方法主要由全局运动学控制环和扰动力补偿项组成．文中通过系统动力学模型和Newton-Eulerian反向递推方法分别得到了脐带缆和机械手对水下机器人的扰动力模型，模型中包含机器人受到的海流扰动力、脐带缆的拖曳力及其产生的扰动力矩、机械手带来的耦合力(矩)和恢复力(矩)．通过上述对两种扰动力的建模，建立了含有具体扰动力补偿项的自适应抗扰控制方法．进一步通过SY-Ⅱ开架式水下机器人进行实验验证，实验表明，相比于S面控制，基于模型的自适应抗扰控制方法通过对扰动的实时补偿，在定深定向、路径跟踪的实验中，降低了控制误差，提高了收敛速度和控制精度．而在涉及机械手运动的水下机器人作业实验中，通过对机械手扰动的实时估计和补偿，基于模型的自适应抗扰控制方法在机器人的姿态控制上较S面控制方法表现出更大的优越性．【相关文献】［1］徐玉如，肖坤. 智能海洋机器人技术进展[J]. 自动化学报，2007，33(5)：518-521. Xu Yuru，Xiao Kun. Technology development of autonomous ocean vehicle[J]. Acta Automatica Sinica，2007，33(5)：518-521(in Chinese).［2］吴家鸣，崔寅，邓威，等. 控制动作下带缆遥控水下机器人的水动力特性[J]. 华南理工大学学报：自然科学版，2012，40(4)：150-157.Wu Jiaming，Cui Yin，Deng Wei，et al. Hydrodynamic characteristics of tethered underwater robot under control manipulations[J]. Journal of South China University of Technology：Natural Science Edition，2012，40(4)：150-157(in Chinese).［3］陈巍，魏延辉，曾建辉，等. 水下机器人-机械手系统控制方法综述[J]. 重庆理工大学学报：自然科学版，2015，29(8)：116-123.Chen Wei，Wei Yanhui，Zeng Jianhui，et al. Review of underwater vehicle manipulator system control method [J]. Journal of Chongqing University of Technology：Natural Science，2015，29(8)：116-123(in Chinese).［4］ Bian X，Qu Y，Yan Z，et al. Nonlinear feedback control for trajectory tracking of an unmanned underwater vehicle[C]//IEEE International Conference on Information and Automation(ICIA 2010). Harbin，China，2010：1387-1392.［5］ Bagheri A，Karimi T，Amanifard N. Tracking performance control of a cable communicated underwater vehicle using adaptive neural network controllers[J]. Applied Soft Computing Journal，2010，10(3)：908-918.［6］ Antonelli G，Caccavale F，Chiaverini S. Adaptive tracking control of underwater vehicle-manipulator systems based on the virtual decomposition approach[J]. IEEE Transactions on Robotics and Automation，2004，20(3)：594-602.［7］郭莹. 水下自主作业系统协调控制技术研究[D]. 武汉：华中科技大学船舶与海洋工程学院，2008.Guo Ying. Coordinated Control Technology of Underwater Vehicle-Manipulator System[D].Wuhan：School of Naval Architecture and Ocean Engineering，Huazhong University of Science and Technology，2008(in Chinese).［8］彭生全. 水下机器人-机械手系统运动规划与控制技术研究[D]. 哈尔滨：哈尔滨工程大学机械与电气工程学院，2012.Peng Shengquan. Research on the Motion Planning and Control for Underwater Vehicle-Manipulator System [D]. Harbin：College of Mechanical and Electrical Engineering，Harbin Engineering University，2012(in Chinese).［9］ Ismail Z H，Dunnigan M W. Redundancy resolution for underwater vehicle-manipulator systems with congruent gravity and buoyancy loading optimization[C]//Pro-ceedings of the 2009 IEEE International Conference on Robotics and Biomimetics. Guilin，China，2009：1393-1399.［10］ Han Jonghui，Chung Wan Kyun. Active use of restoring moments for motion control of an underwater vehicle-manipulator system[J]. IEEE Journal of Oceanic Engineering，2014，39(1)：100-109.［11］ James C K，Yang Q J，Jonathan C H. Nonlinear dynamic model-based state estimators for underwater navigation of remotely operated vehicles[J]. IEEE Transactions on Control Systems Technology，2014，22(5)：1845-1854.［12］ Sairam P，Bradley B. Dynamics modeling and control of a variable length remotely operated vehicle tether[J]. Oceans，2005，2(2005)：1255-1262.［13］ Mario A J，Jorge L B. Guidance of underwater vehicles with cable tug perturbations under fixed and adaptive control systems[J]. IEEE Journal of Oceanic Engineering，2008，33(4)：579-598.［14］唐旭东，庞永杰，李晔. 基于S 模型的水下机器人改进人工免疫控制器[J]. 大连海事大学学报，2008，34(1)：49-53.Tang Xudong，Pang Yongjie，Li Ye. S model-based improved artificial immune controller for autonomous underwater vehicle[J]. Journal of Dalian Maritime University，2008，34(1)：49-53(in Chinese).［15］ Montano A，Restelli M，Sacco R. Numerical simulation of tethered buoy dynamics using mixed finite elements computer methods[J]. Applied Mechanics and Engineering，2007，196(41/42/43/44)：4117-4129.［16］ Tsai Lung-wen. Robot Analysis[M]. New York：Wiley，1999.。
水下机器人控制系统中的姿态估计和控制研究随着近年来科技的快速发展，水下机器人在海洋探测、海底资源勘探、水下施工等方面的应用越发广泛，而水下机器人的控制系统就显得尤为重要。
其中，姿态估计和控制是水下机器人控制系统中至关重要的环节。
水下机器人的姿态估计和控制涉及到多个因素。
首先，姿态估计是指通过传感器获得水下机器人在水下运动状态的信息，包括其方向和速度等参数。
这些信息对于水下机器人的控制是非常重要的，因为只有准确地了解机器人的运动状态，才能更好地控制其前进方向和速度。
姿态控制是指通过传输指令来控制水下机器人的运动姿态，例如需要机器人向上移动或者向下倾斜等。
对于水下机器人来说，姿态控制的稳定性和正确性是至关重要的，因为对姿态控制的错误或失误可能会导致机器人无法准确执行任务，并且在极端情况下可能会导致机器人损坏或丢失。
为了实现对水下机器人的精确控制，需要开展深入的姿态估计和控制研究。
下面，本文将从以下几个方面探讨水下机器人控制系统中的姿态估计和控制的研究现状和未来发展趋势。
一、姿态传感器研究姿态传感器是姿态估计的核心装置，水下机器人常用的姿态传感器有陀螺仪、加速度计、罗盘等。
这些传感器能够提供准确的运动状态信息，是水下机器人姿态估计和控制的基础。
目前，国内外的研究机构都在致力于优化姿态传感器的性能，提高其准确度和可靠性。
例如，美国麻省理工学院的一项研究通过优化陀螺仪和无线电子元件的结构设计，实现了更高精度的姿态传感器。
尽管目前已经有很多成熟的传感器可供使用，但是在实际应用中传感器性能的影响仍然是不容忽视的问题。
因此，未来的姿态传感器研究应该致力于优化其工作环境，减少噪声干扰，提高稳定性等。
二、基于控制算法的姿态控制研究姿态控制算法是姿态控制的核心，其主要针对水下机器人在复杂环境下的姿态运动进行控制，例如风浪、海流等干扰因素。
当前，常用的控制算法主要有PID控制、模糊控制、自适应控制等。
PID控制是姿态控制中最常用的一种控制算法，其主要面对水下机器人在稳态条件下的运动。
一文看懂水下机器人的发展及应用
导读：从“上天”到“下海”，水下机器人作为机器人新形态的出现也为人工智能的发展拓宽了领域，而作为发展的新方向，其也应“大有可为”。
Once more you open the door
And you＇re here in my heart
And my heart will go on and on
——《My heart will goon》
1912年4月14日是一个令人惋惜的日子，泰坦尼克号从英国南安普敦（Southampton）出发，途经法国瑟堡－奥克特维尔（Cherbourg－Octeville）以及爱尔兰（此时为英属）的皇后镇（Queenstown，1849年改名为Cobh），计划中的目的地为美国的纽约，开始了这艘“梦幻客轮”的处女航。
但是，泰坦尼克号在航行中撞上冰山，造成了当时在和平时期最严重的一次航海事故，也是迄今为止最为人所知的一次海难，共1502人罹难。
泰坦尼克号沉船前的最后一张照片（1912）
近百年后，RMS泰坦尼克公司组成了科学家小组，进行了对泰坦尼克号的水下探测。
这支科学家小组使用数台水下机器人对残骸进行考察，拍摄了数千张照片以及数小时的影片。
泰坦尼克号的残骸现在正安静地躺在2．5英里（约4000米）的水下。
一张张高分辨率照片显示出泰坦尼克号的船首部位，围栏和锚清晰可见。
水下机器人拍摄的船首与船锚
而日前，英国东英吉利大学皮埃尔教授利用几台“海洋滑翔机”实现了北大西洋和南冰洋的“海洋之声”探测，其通过迅速而隐蔽的行动和仅发出微小的声音，能够在水下悄无声息的穿行。
其可以在几个月内穿行几千公里，期间可以记录下鱼类等海洋生物发出的声音，给科学家。
