陳國(guó)軍，陳巍，金俊，王志明

(1.南京工程學(xué)院工業(yè)中心，江蘇南京 211167；2.浙江省農(nóng)作物收獲裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，浙江金華 321007)

0 前言

目前水下機(jī)器人多以螺旋槳作為驅(qū)動(dòng)，存在能耗高、體積大、機(jī)動(dòng)性差等缺點(diǎn)，而魚類經(jīng)過上億年進(jìn)化，其身體形狀和游動(dòng)方式能完美適應(yīng)水下環(huán)境，因此仿生機(jī)器魚逐漸成為研究熱點(diǎn)[1]。魚類的推進(jìn)方式主要分為身體-尾鰭推進(jìn)和中間鰭-對(duì)鰭推進(jìn)2種，前者主要是利用魚類身體和尾鰭的擺動(dòng)或波動(dòng)產(chǎn)生推進(jìn)力，后者主要依靠魚類胸鰭或腹鰭的擺動(dòng)或波動(dòng)產(chǎn)生推進(jìn)力，所以仿生機(jī)器魚按推進(jìn)方式分為身體-尾鰭推進(jìn)仿生機(jī)器魚和中間鰭-對(duì)鰭推進(jìn)仿生機(jī)器魚兩大類[2]。身體-尾鰭推進(jìn)仿生機(jī)器魚的研究開展較早，相應(yīng)理論技術(shù)比較成熟[3]，而中間鰭-對(duì)鰭推進(jìn)仿生機(jī)器魚的研究起步較晚，最具代表性就是鰩魚[4]，所以目前基本以鰩魚作為仿生原型開展中間鰭-對(duì)鰭推進(jìn)仿生機(jī)器魚研究。

2018年，GLUSHKO等[5]對(duì)仿生機(jī)器鰩魚進(jìn)行研究，實(shí)現(xiàn)了多模式推進(jìn)，通過胸鰭扭轉(zhuǎn)舵機(jī)和胸鰭擺動(dòng)舵機(jī)完成胸鰭擺動(dòng)推進(jìn)。2021年，米蘭理工學(xué)院BIANCHI等[6]分析鰩魚運(yùn)動(dòng)機(jī)制，設(shè)計(jì)由不同連桿機(jī)構(gòu)組成的仿生鰩魚胸鰭驅(qū)動(dòng)骨架，并對(duì)其動(dòng)力學(xué)和運(yùn)動(dòng)學(xué)進(jìn)行數(shù)值分析。2021年，郝天澤等[7]使用形狀記憶合金作為驅(qū)動(dòng)材料研制仿生機(jī)器鰩魚，構(gòu)建仿生機(jī)器鰩魚驅(qū)動(dòng)結(jié)構(gòu)，實(shí)現(xiàn)仿生機(jī)器鰩魚胸鰭推進(jìn)。當(dāng)前仿生鰩魚大多采用PID控制和CPG控制方法[8]，由于水下環(huán)境復(fù)雜，存在水流和水浪的干擾，單一控制方法的控制精度較差，且當(dāng)前仿生鰩魚的研究主要在外形和結(jié)構(gòu)上，控制方式研究較少。

因此本文作者根據(jù)鰩魚生物學(xué)特征設(shè)計(jì)仿生鰩魚控制系統(tǒng)，研究基于Fuzzy-CPG的多模態(tài)運(yùn)動(dòng)控制方法，以提高控制器的自適應(yīng)能力作為主要目標(biāo)，基于Hopf振蕩器構(gòu)建仿生機(jī)器鰩魚的CPG模型，通過引入高層感覺反饋控制機(jī)制，利用模糊控制器完成CPG模型多參數(shù)調(diào)節(jié)，開展仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)控制研究。

1 基于Fuzzy-CPG的多模態(tài)運(yùn)動(dòng)控制研究

基于CPG的運(yùn)動(dòng)控制方法已經(jīng)被廣泛應(yīng)用到仿生機(jī)器魚的運(yùn)動(dòng)控制中，但單一CPG控制無法實(shí)現(xiàn)仿生機(jī)器鰩魚的自主游動(dòng)，還需要采用耦合傳感器反饋信號(hào)進(jìn)行控制。文中在CPG控制模型基礎(chǔ)上引入高層感覺反饋控制機(jī)制，并通過模糊控制器來調(diào)節(jié)CPG參數(shù)，實(shí)現(xiàn)仿生機(jī)器鰩魚的多模態(tài)運(yùn)動(dòng)控制。

1.1 仿生機(jī)器鰩魚Fuzzy-CPG控制方案設(shè)計(jì)

結(jié)合魚類運(yùn)動(dòng)機(jī)制，構(gòu)建仿生機(jī)器鰩魚Fuzzy-CPG控制架構(gòu)，如圖1所示，整個(gè)控制框架由三部分組成：高層中樞控制中心、低層中樞CPG模型和仿生機(jī)器鰩魚本體。高層中樞控制中心負(fù)責(zé)環(huán)境信息的采集與處理，通過模糊控制器來進(jìn)行決策；然后發(fā)出相應(yīng)命令到低層中樞CPG模型，通過調(diào)節(jié)CPG模型參數(shù)控制CPG模型輸出，從而實(shí)現(xiàn)對(duì)仿生機(jī)器鰩魚的運(yùn)動(dòng)控制。仿生機(jī)器鰩魚本體攜帶紅外避障、陀螺儀和GPS等傳感器，為高層中樞控制中心提供控制依據(jù)。通過高層中樞控制中心，CPG模型能夠選擇最優(yōu)的模式控制實(shí)現(xiàn)仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)。

圖1 仿生機(jī)器鰩魚的Fuzzy-CPG控制架構(gòu)Fig.1 Fuzzy-CPG control architecture for biomimetic robot ray

1.2 仿生機(jī)器鰩魚Fuzzy-CPG模型構(gòu)建與分析

1.2.1 CPG神經(jīng)元振蕩器模型

文中利用Hopf振蕩器構(gòu)建基于極限環(huán)的CPG模型，采用最近相鄰振蕩器相互耦合的方式建立鏈?zhǔn)骄W(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，CPG模型參數(shù)對(duì)應(yīng)關(guān)系明確，結(jié)構(gòu)中的每個(gè)振蕩器都有獨(dú)立調(diào)節(jié)參數(shù)。CPG模型單個(gè)振蕩單元如式(1)所示：

(1)

式中：x、y表示系統(tǒng)的狀態(tài)變量；ω、μ和m是影響振蕩器振蕩幅值和頻率的3個(gè)參數(shù)。

引入極坐標(biāo)變換對(duì)式(1)表示的CPG模型單個(gè)振蕩單元性能進(jìn)行分析，令x=rcosθ，y=rsinθ，則式(1)可以表示為

(2)

從式(2)可以看出振蕩器有r=0和r2=m兩個(gè)平衡狀態(tài)，其中r2=m對(duì)應(yīng)的平衡狀態(tài)當(dāng)m>0時(shí)r有解。式(2)所示的振蕩器的振蕩幅值與參數(shù)m相關(guān)，振蕩頻率與參數(shù)ω有關(guān)。通過令μ=1可以簡(jiǎn)化式(1)為

(3)

對(duì)式(3)所示的振蕩器平衡點(diǎn)進(jìn)行分析，令P(x，y)=x(x2+y2)和Q(x，y)=y(x2+y2)，將其代入式(3)可得：

(4)

式(4)只有一個(gè)奇點(diǎn)O(0，0)，因此此奇點(diǎn)為中心或焦點(diǎn)。令x=rcosθ，y=rsinθ，對(duì)于P(x，y)和Q(x，y)，?δ>0，有：

(5)

(6)

振蕩器式(3)對(duì)應(yīng)的系數(shù)矩陣是：

(7)

系數(shù)矩陣A對(duì)應(yīng)的參數(shù)p=-(m+m)=-2m；q=m2+ω2≥0；Δ=p2-4q=4m2-4(m2+ω2)=-4ω2≤0。因?yàn)镻(x，y)和Q(x，y) 具有連續(xù)一階偏導(dǎo)數(shù)，由Perron定理可知，當(dāng)m>0且ω≠0時(shí)，p<0，q>0，Δ<0，此時(shí)振蕩器的奇點(diǎn)O是不穩(wěn)定焦點(diǎn)。

再對(duì)式(3)所示振蕩器的穩(wěn)定極限環(huán)存在性進(jìn)行分析。取函數(shù)V(x，y)=x2+y2，由于函數(shù)V(x，y)≥0，可對(duì)t求導(dǎo)得：

(x2+y2)]

(8)

則

(9)

當(dāng)mx2+y2時(shí)，dV(x，y)/dt>0，此時(shí)奇點(diǎn)O是不穩(wěn)定焦點(diǎn)。令V(x，y)=h，則h≥0，取h充分大使得m-x2-y2<0，即dV(x，y)/dt<0，進(jìn)而使得振蕩器式(3)與圓x2+y2=h相交的軌線均由外向內(nèi)。當(dāng)m>x2+y2時(shí)，奇點(diǎn)是不穩(wěn)定焦點(diǎn)，以奇點(diǎn)O作為內(nèi)境界與圓x2+y2=m作為外境界的環(huán)域內(nèi)必然存在一條內(nèi)穩(wěn)定極限環(huán)和一條外穩(wěn)定極限環(huán)。

(10)

當(dāng)點(diǎn)(x，y)不為原點(diǎn)時(shí)，取函數(shù)B(x，y)=(x2+y2)-1，M(x，y)≡0，則

(11)

綜上所述可以得出結(jié)論：振蕩器式(3)在ω>0且m>0時(shí)存在唯一極限環(huán)，且是穩(wěn)定的。由式(2)可知，該極限環(huán)的振幅僅與參數(shù)m相關(guān)，頻率僅與參數(shù)ω相關(guān)。

1.2.2 仿生機(jī)器鰩魚CPG模型

在確定單個(gè)CPG神經(jīng)元振蕩器模型后，構(gòu)建多關(guān)節(jié)仿生機(jī)器鰩魚CPG模型：

(12)

式中：i=1，2，…，n，n表示仿生機(jī)器鰩魚CPG模型神經(jīng)元振蕩器的個(gè)數(shù)；xi、yi分別表示仿生機(jī)器鰩魚CPG模型神經(jīng)元振蕩器的狀態(tài)變量；ωi是第i個(gè)神經(jīng)元振蕩器的固有頻率；mi決定第i個(gè)神經(jīng)元振蕩器的固有振幅；aij、bik是耦合系數(shù)，表示神經(jīng)元振蕩器間的抑制增益。

以ωi和mi作為仿生機(jī)器鰩魚的CPG模型輸入，xi作為模型輸出，構(gòu)建如圖2所示的CPG網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。該結(jié)構(gòu)根據(jù)仿生機(jī)器鰩魚樣機(jī)實(shí)體進(jìn)行構(gòu)建，基于最近相鄰振蕩器單元相連原則構(gòu)建鏈?zhǔn)酵負(fù)浣Y(jié)構(gòu)。左右胸鰭根部舵機(jī)、重心調(diào)節(jié)機(jī)構(gòu)步進(jìn)電機(jī)和尾鰭舵機(jī)采用相互耦合的方式進(jìn)行連接。

圖2 仿生機(jī)器鰩魚CPG網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)Fig.2 Biomimetic machine ray CPG network topology structure

建立的仿生機(jī)器鰩魚CPG模型振蕩器具有結(jié)構(gòu)穩(wěn)定的極限環(huán)，極限環(huán)附近一些較小的干擾信號(hào)會(huì)影響機(jī)器鰩魚游動(dòng)性能的參數(shù)，包括擺動(dòng)幅值、頻率外還有各關(guān)節(jié)之間的相位差，因此，文中引入耦合矩陣與旋轉(zhuǎn)矩陣給出幅值-相位振蕩器的相位預(yù)測(cè)方法，通過構(gòu)建雙邊擾動(dòng)信號(hào)Pi，引入相位耦合因子φ，實(shí)現(xiàn)振蕩器的相位自由控制。

(13)

式中：h1和h2表示耦合系數(shù)；Q1和Q2是CPG單元的耦合矩陣；R1和R2是旋轉(zhuǎn)矩陣；φi+1和φi+2是相鄰2個(gè)振蕩單元之間的相位差。

(14)

將雙邊擾動(dòng)信號(hào)Pi引入式(12)，能夠得到改進(jìn)后的仿生機(jī)器鰩魚CPG模型：

(15)

式中：h1和h2表示耦合系數(shù)；φi是振蕩單元之間的相位差。

1.2.3 仿生機(jī)器鰩魚Fuzzy-CPG模型

構(gòu)建完仿生機(jī)器鰩魚CPG模型后，對(duì)CPG模型的多個(gè)參數(shù)進(jìn)行調(diào)節(jié)尤為重要，文中通過構(gòu)建高層中樞控制中心來實(shí)現(xiàn)仿生機(jī)器鰩魚對(duì)外界信息的采集、處理與決策，采用模糊控制器來解決CPG模型的多參數(shù)整定問題，如圖3所示。首先，通過姿態(tài)傳感器檢測(cè)游行過程中的偏航角e，并計(jì)算誤差變化率Δe；其次，將偏航角e和誤差變化率Δe做模糊化處理，通過建立模糊規(guī)則庫(kù)進(jìn)行模糊推理輸出CPG模型參數(shù)增量Δmi和Δφi；最后，將CPG模型參數(shù)增量Δmi和Δφi補(bǔ)償?shù)紺PG模型，實(shí)現(xiàn)CPG模型參數(shù)整定。

圖3 模糊控制器CPG參數(shù)整定流程Fig.3 Flow of fuzzy controller CPG parameter tuning

模糊控制器的輸入變量是仿生機(jī)器鰩魚的偏航角e和誤差變化率Δe，輸出變量是仿生機(jī)器鰩魚CPG模型參數(shù)增量Δmi和Δφi。將確定的仿生機(jī)器鰩魚高層中樞控制中心的模糊控制器輸入和輸出進(jìn)行模糊化處理，e經(jīng)過模糊化處理后用模糊集合表示為{NB，NS，ZE，PS，PB}，對(duì)應(yīng){負(fù)大，負(fù)小，適中，正小，正大}。Δe經(jīng)過模糊化處理后用模糊集合表示為{N，Z，P}，對(duì)應(yīng){負(fù)，適中，正}。Δmi和Δφi經(jīng)過模糊化處理后用模糊集合表示也為{NB，NS，ZE，PS，PB}。輸入輸出變量的隸屬函數(shù)如圖4所示。

圖4 輸入輸出變量的隸屬函數(shù)Fig.4 Membership functions of input and output variables： (a)Δe；(b)e，Δmi，Δφi

然后進(jìn)行模糊規(guī)則庫(kù)的構(gòu)建，根據(jù)仿生機(jī)器鰩魚控制系統(tǒng)設(shè)計(jì)的實(shí)際需求建立模糊規(guī)則如表1所示。

表1 模糊規(guī)則方案Tab.1 Fuzzy rule

根據(jù)隸屬函數(shù)與模糊規(guī)則庫(kù)對(duì)輸出變量進(jìn)行模糊推理，確定參數(shù)增量Δmi和Δφi。在原先的第i個(gè)神經(jīng)元振蕩器的固有振幅mi和第i+1與第i個(gè)振蕩單元之間的相位差φi的基礎(chǔ)上，分別加上參數(shù)增量Δmi和Δφi，實(shí)現(xiàn)對(duì)仿生機(jī)器鰩魚CPG模型參數(shù)的調(diào)節(jié)。仿生機(jī)器鰩魚Fuzzy-CPG 控制器結(jié)構(gòu)框架如圖5所示。

圖5 仿生機(jī)器鰩魚Fuzzy-CPG 控制器結(jié)構(gòu)Fig.5 Structure of the bionic robot ray Fuzzy-CPG controller

2 仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)仿真與分析

通過仿真與試驗(yàn)確定一般情況下仿生機(jī)器鰩魚直線前游、原地轉(zhuǎn)彎和動(dòng)態(tài)沉浮的3種運(yùn)動(dòng)狀態(tài)下CPG模型對(duì)應(yīng)的參數(shù)，并將這些參數(shù)設(shè)為Fuzzy-CPG 控制器初始參數(shù)。確定初始參數(shù)后，再結(jié)合機(jī)器鰩魚反饋的自身狀態(tài)等信息進(jìn)行參數(shù)的調(diào)節(jié)，從而實(shí)現(xiàn)機(jī)器鰩魚自適應(yīng)穩(wěn)定游動(dòng)。

2.1 直線前游運(yùn)動(dòng)

鰩魚在進(jìn)行直線前游運(yùn)動(dòng)時(shí)，左右胸鰭擺動(dòng)幅值、頻率基本一致。所以在確定仿生機(jī)器鰩魚直線前游CPG模型參數(shù)時(shí)，依據(jù)真實(shí)鰩魚直線前游運(yùn)動(dòng)規(guī)律，令m1、m2和m3為36，m4為0，m5、m6和m7也為36，m8為0，ω1、ω2和ω3為4，ω4為0，ω5、ω6和ω7也為4，ω8為0，φi(i=1，2，…，8)為0，仿真結(jié)果如圖6所示。可以看出：變量x1、x2和x3輸出波形一致，變量x5、x6和x7輸出波形相同，且對(duì)稱分布，即仿生機(jī)器鰩魚左右胸鰭擺動(dòng)幅值和頻率相同，符合鰩魚直線前游運(yùn)動(dòng)生物學(xué)特性。

圖6 直線前游CPG模型輸出波形Fig.6 Output waveform of CPG model for straight forward

2.2 原地轉(zhuǎn)彎運(yùn)動(dòng)

鰩魚原地轉(zhuǎn)彎運(yùn)動(dòng)時(shí)，左右胸鰭擺動(dòng)幅值、頻率都不一致。依據(jù)鰩魚原地轉(zhuǎn)彎的運(yùn)動(dòng)規(guī)律，當(dāng)仿生機(jī)器鰩魚轉(zhuǎn)彎時(shí)，令m1、m2和m3為36，m4為0，m5、m6和m7為36，m8為0，ω1、ω2和ω3為1，ω4為0，ω5、ω6和ω7為4，ω8為0，φi(i=1，2，…，8)為0，仿真結(jié)果如圖7所示?？梢钥闯觯鹤兞縳1、x2和x3輸出波形一致，變量x5、x6和x7輸出波形相同，x1、x2和x3輸出波形頻率比x5、x6和x7輸出波形頻率低，即仿生機(jī)器鰩魚右胸鰭擺動(dòng)頻率較左胸鰭擺動(dòng)頻率高，符合鰩魚原地左轉(zhuǎn)運(yùn)動(dòng)生物學(xué)特性。

2.3 動(dòng)態(tài)沉浮運(yùn)動(dòng)

仿生機(jī)器鰩魚動(dòng)態(tài)沉浮運(yùn)動(dòng)時(shí)，左右胸鰭擺動(dòng)幅值、頻率基本一致，分為下沉和上浮2種狀態(tài)，可通過重心調(diào)節(jié)機(jī)構(gòu)實(shí)現(xiàn)，所以只需控制一組CPG模型參數(shù)。令m1、m2和m3為36，m4為36，m5、m6和m7也為36，m8為0，ω1、ω2和ω3為8，ω4為10，ω5、ω6和ω7也為8，ω8為0，φi(i=1，2，…，8)為0，仿真結(jié)果如圖8所示。

由圖8可以看出：變量x1、x2和x3輸出波形一致，變量x5、x6和x7輸出波形相同且對(duì)稱分布，輸出波形頻率較高，即仿生機(jī)器鰩魚左右胸鰭擺動(dòng)幅值和頻率相同，擺動(dòng)頻率更高，符合鰩魚動(dòng)態(tài)沉浮運(yùn)動(dòng)生物學(xué)特性。

3 仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)試驗(yàn)與分析

通過仿生機(jī)器鰩魚胸鰭推進(jìn)試驗(yàn)，驗(yàn)證構(gòu)建的Fuzzy-CPG運(yùn)動(dòng)控制方法的可行性與正確性。試驗(yàn)分為直線前游試驗(yàn)、原地轉(zhuǎn)彎試驗(yàn)和動(dòng)態(tài)沉浮試驗(yàn)3個(gè)部分，仿生機(jī)器鰩魚3種運(yùn)動(dòng)模態(tài)下Fuzzy-CPG控制器的初始參數(shù)通過仿真確定。

3.1 仿生機(jī)器鰩魚直線前游試驗(yàn)

通過仿真確定仿生機(jī)器鰩魚Fuzzy-CPG 控制器直線前游運(yùn)動(dòng)初始參數(shù)，參數(shù)初始化完成后，仿生機(jī)器鰩魚會(huì)根據(jù)反饋的環(huán)境信息和自身狀態(tài)等信息進(jìn)行參數(shù)的自適應(yīng)調(diào)節(jié)。如圖9所示，仿生機(jī)器鰩魚的多關(guān)節(jié)擺動(dòng)機(jī)構(gòu)上下擺動(dòng)是勻速的，通過對(duì)稱胸鰭的勻速擺動(dòng)實(shí)現(xiàn)直線游行。

圖9 直線前游試驗(yàn)Fig.9 Test of straight forward swimming：(a)t=0 s；(b)t=0.5 s；(c)t=1 s；(d)t=1.5 s

再通過仿生機(jī)器鰩魚本體攜帶的陀螺儀驗(yàn)證仿生機(jī)器鰩魚直線前游性能，如圖10所示，直線前游過程中，俯仰角、滾轉(zhuǎn)角和偏航角基本在0°上下波動(dòng)且波動(dòng)很小，尤其是滾轉(zhuǎn)角幾乎沒有波動(dòng)，一直維持在0°，這表明通過所構(gòu)建的Fuzzy-CPG 控制器控制仿生機(jī)器鰩魚直線前游，能夠完成直線運(yùn)動(dòng)且性能良好。

圖10 直線前游試驗(yàn)陀螺儀角度變化Fig.10 Data variation of linear forward test gyroscope

3.2 仿生機(jī)器鰩魚原地轉(zhuǎn)彎試驗(yàn)

通過仿真確定仿生機(jī)器鰩魚Fuzzy-CPG 控制器原地右轉(zhuǎn)運(yùn)動(dòng)的初始參數(shù)，如圖11所示?？梢钥吹剑悍律鷻C(jī)器鰩魚在原地右轉(zhuǎn)游動(dòng)過程中，魚身相對(duì)于水下管道夾角不斷變化，能夠右轉(zhuǎn)游動(dòng)。此過程中，仿生機(jī)器鰩魚的多關(guān)節(jié)擺動(dòng)機(jī)構(gòu)上下勻速擺動(dòng)，通過對(duì)稱胸鰭不同的擺速擺動(dòng)實(shí)現(xiàn)原地右轉(zhuǎn)。

再通過仿生機(jī)器鰩魚本體攜帶的陀螺儀來驗(yàn)證其原地轉(zhuǎn)彎游行性能，如圖12所示，試驗(yàn)過程中，俯仰角和滾轉(zhuǎn)角基本在0°上下波動(dòng)且波動(dòng)很小，而偏航角從0°開始逐漸增加，表明仿生機(jī)器鰩魚正在轉(zhuǎn)彎，且正在右轉(zhuǎn)，如果偏航角逐漸減小，則表明仿生機(jī)器鰩魚正在左轉(zhuǎn)。這表明Fuzzy-CPG 控制器控制仿生機(jī)器鰩魚原地轉(zhuǎn)彎的過程中，不僅能夠完成原地轉(zhuǎn)彎運(yùn)動(dòng)且性能良好。

圖12 原地轉(zhuǎn)彎試驗(yàn)陀螺儀角度變化Fig.12 Data variation of gyroscope for in-situ turning test

3.3 仿生機(jī)器鰩魚動(dòng)態(tài)沉浮試驗(yàn)

通過仿真確定仿生機(jī)器鰩魚Fuzzy-CPG 控制器動(dòng)態(tài)沉浮運(yùn)動(dòng)初始參數(shù)，如圖13所示。t=0 s時(shí)，仿生機(jī)器鰩魚整個(gè)魚身都在水下；t=0.5 s時(shí)，魚身在重心調(diào)節(jié)機(jī)構(gòu)的驅(qū)動(dòng)下開始傾斜；t=1 s時(shí)，魚身開始浮出水面；最后當(dāng)t=1.5 s時(shí)，魚身基本浮出水面，完成上浮游動(dòng)。此過程中，除了重心調(diào)節(jié)機(jī)構(gòu)移動(dòng)外，仿生機(jī)器鰩魚的多關(guān)節(jié)擺動(dòng)機(jī)構(gòu)也上下勻速擺動(dòng)。

圖13 上浮游動(dòng)試驗(yàn)Fig.13 Test of floating ：(a)t=0 s；(b)t=0.5 s；(c)t=1 s；(d)t=1.5 s

再通過仿生機(jī)器鰩魚本體攜帶的陀螺儀驗(yàn)證其上浮游動(dòng)性能，如圖14所示，滾轉(zhuǎn)角和偏航角基本在0°上下波動(dòng)且波動(dòng)很小，俯仰角從0°開始逐漸增加到30°左右，然后再逐漸減小到0°。俯仰角從0°開始逐漸增加說明仿生機(jī)器鰩魚魚身開始向上傾斜，再逐漸減小到0°說明仿生機(jī)器鰩魚完成上浮游動(dòng)，魚身逐漸恢復(fù)平衡狀態(tài)，表明Fuzzy-CPG 控制器能夠?qū)崿F(xiàn)仿生機(jī)器鰩魚上浮游動(dòng)且性能良好。

圖14 上浮游動(dòng)試驗(yàn)陀螺儀角度變化Fig.14 Data variation of the floating test gyroscope

4 結(jié)論

文中針對(duì)仿生機(jī)器鰩魚復(fù)雜水下環(huán)境運(yùn)動(dòng)控制問題，提出了一種Fuzzy-CPG控制方法，實(shí)現(xiàn)了仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)控制，利用Hopf振蕩器構(gòu)建了單個(gè)基于極限環(huán)的CPG模型，在此基礎(chǔ)上通過分析各個(gè)振蕩元之間的耦合關(guān)系構(gòu)建了多關(guān)節(jié)仿生機(jī)器鰩魚CPG模型。針對(duì)CPG模型的多參數(shù)調(diào)節(jié)問題，通過引入高層感覺反饋控制機(jī)制，利用模糊控制器來完成參數(shù)調(diào)節(jié)。通過 MATLAB仿真確定了直線前游、原地轉(zhuǎn)彎和動(dòng)態(tài)沉浮3種運(yùn)動(dòng)模態(tài)下Fuzzy-CPG控制器的初始參數(shù)，并驗(yàn)證了所確定的初始參數(shù)符合鰩魚游動(dòng)生物學(xué)特性。最后進(jìn)行了仿生機(jī)器鰩魚直線前游試驗(yàn)、原地轉(zhuǎn)彎試驗(yàn)和動(dòng)態(tài)沉浮試驗(yàn)，試驗(yàn)結(jié)果表明：通過所構(gòu)建的Fuzzy-CPG控制器控制仿生機(jī)器鰩魚多模態(tài)運(yùn)動(dòng)，不僅游動(dòng)性能良好而且有著很好的穩(wěn)定性。