【仿鱼机器人鱼类侧线仿生学的研究现状文献综述5000字】

-PAGE44--PAGE43-仿鱼机器人鱼类侧线仿生学的研究现状文献综述1.1仿鱼机器人的研究现状1990年以前，学界对仿鱼机器人的研究主要停留在理论研究阶段。如在1952年，Taylor通过静态流体理论研究了蛇、鳗鱼、蠕虫等动物的波动推进方式[47]。Lighthill提出了鱼类游动的“细长体理论”以及在此基础上的“大摆幅细长体理论”[48-49]。1991年，来自中国科学技术大学的学者提出了鱼类游动的三维波动理论[50]。2002年，梁健宏等人通过实验研究了机器鱼的水动力学和运动功率参数[51]。随着理论研究的不断深入，世界上第一台仿鱼机器人样机RoboTuna在1994年问世（如图1-5(a)所示，游速可达2m/s，最大推进效率91%），在此基础上麻省理工学院进一步研制了RoboPike（如图1-5(b)所示，体长0.8米，总重量3.6千克）和VCUUC（如图1-5(c)所示，体长2.4米，排水量136升，续航能力3小时，实际游速1.2m/s），形成了系列样机[52-54]。自此之后，人们对研制各种机器鱼样机的兴趣越来越大。新加坡南洋理工大学研制了由胸鳍波动推进的仿墨鱼机器人，实验结果证明了该水下机器人运动与真实鱼类的游动行为基本一致[55]。瑞士科学院研制了仿盒子鱼机器人BoxyBot，能够实现游动和爬动两种运动[56]。图1-5MIT研制的仿生机器鱼我国最早的仿鱼机器人SPC-=1\*ROMANI于1999年问世，其体长0.8米，有6个关节。在此基础上研制的SPC-Ⅱ型机器鱼体长0.8米，安装了GPS和罗盘组合导航系统实时定位，能在深度5米内定深自主巡游[57]。杜如虚等人提出了拉线驱动的机器鱼，可更好模拟真是鱼类游动[58]。北京大学研制机器鱼可相互协同进行简单作业[59]。哈尔滨工程大学水下机器人团队研制“仿生-Ⅰ“水下机器人，通过仿真和实验分析了其运动能力，最大游速为1.2m/s[60]。国防科技大学杨少波等人研制出柔性胸鳍摆动推进的仿牛鼻鲼机器鱼样机，该样机长0.3m，最大翼展0.5m，通过伺服电机驱动对称安装的8根鳍条运动来产生机器鱼游动所需要的推力[61]。图1-6国内仿生机器鱼仿生机器鱼的应用前景十分广阔。在水产养殖方面，仿生机器鱼外形与鱼类相似，对海洋环境和水生生物的干扰小，非常适用于水产养殖行业[62]。在鱼类生物学研究方面，仿生机器鱼样机的研制又能为我们研究鱼类游动机理提供实验平台。因为对于活鱼实验来说，活鱼的反应是不可预测的，测量的结果是不可重复的[63]。仿生机器鱼另一个有趣的应用是在航空航天方面，来自日本长崎大学的学者研制了一种鱼形的用于国际空间站的清洁机器人[64]。除此之外，仿生机器鱼能够完成几乎所有传统水下机器人能够完成的任务，如海底管道检测、海洋环境检测和水下考古等等[65]。尽管科学家们已经研制出各种各样的机器鱼样机，但上述大部分样机还停留在实验室研究阶段，大部分样机只达到了形似而远非神似，在实际的海洋探索过程中的应用受到了很大的限制。仿鱼机器人在自主性、机动性和隐蔽性等方面还有很长一段路要走[66]。1.2鱼类侧线的仿生学的研究现状基于鱼类侧线的生理结构和生理功能，研究人员结合当前的仿生学、机械电子等学科知识，研制了多种鱼类人工侧线系统来感受流场信息。基于仿生原理的不同，当前研制的人工侧线系统可分为仿照体表神经丘的人造纤毛传感器和仿照侧线管神经丘的压力传感器阵列。（1）基于人造纤毛传感器的人工侧线系统鱼类通过体表神经丘中纤毛细胞的偏移来感知水流，并以神经冲动的形式进行传递。结合这一特点，研究人员可以设计出与体表神经丘功能类似的人造纤毛传感器。如图1-7所示，人造纤毛传感器一般基于MEMS工艺，其工作原理与体表神经丘中的纤毛细胞相似，即当水流经过人造纤毛传感器表面使悬臂梁发生倾斜，进而使其连接的压力应变片发生形变，根据电流的变化情况即可判断水流的方向和强度。图1-7人造纤毛传感器伊利诺伊大学的ZhifangFan等人于2002年介绍了一种微机械分布式流量传感器，即人造纤毛传感器的设计制造过程以及初步的表征结果[67]。伊利诺伊大学的学者于2006年研发了一种由16个人造纤毛传感器组成的工程化的人工侧线系统并实现对水下偶极子源的定位和跟踪[68]。伊利诺伊大学的ChenNannan等人于2007年研制出了可在多种流场下感知流体流速的仿生人造纤毛传感器。但该研究仅验证了单个人造纤毛传感器的功能[69]。同年，ChangLiu讨论了人造纤毛传感器的几种制备方法和性能[70]。西北大学的YangYingchen等人于2010年利用MEMS技术开发了人工侧线系统。该人工侧线系统由15个人造纤毛传感器组成，可以精确定位水下振动物体[71]。波恩大学的AdrianKlein等人于2011年研制的仿生人造纤毛传感器。可以探测水流中的振动和漩涡，计算产生漩涡的圆柱体尺寸[72]。密歇根州立大学的AhmadT.Abdulsadda于2012年提出了一种基于IPMC材料的新型仿生人工侧线系统，通过神经网络处理传感器信号，可以有效定位水下偶极子源[73]。特温特大学的研究学者于2013年提出了一种8个人造纤毛传感器组成的人工侧线系统，该人工侧线系统在保持很好鲁棒性的同时可以较准确的定位偶极子源[74]。意大利理工大学的CAbels等于2016年提出了一个由基于压阻式的仿生微机电纤毛传感器阵列组成的人工侧线，设计了一种能够实时提取自由流方向和流速信息的互相关程序。实验表明，所设计的人工侧线能够有效感知流场信息[75]。（2）基于压力传感器的侧线系统研究现状侧线管神经丘通过感知压力差来分析流场信息。基于此，研究人员在仿鱼机器人机体表面布置压力传感器阵列，通过处分析处理压力传感器阵列中的压力数据即可反演出所处流场的水动力信息。由于压力传感器的技术相对成熟，目前具有体积小，功耗低，可以大批量安装使用等优点。此外压力传感器还必须具有高采样速率，使人工侧线系统能实时感知流体的动态变化。基于压力传感器的人工侧线根据其研究方法可分为基于各种数值仿真软件的研究和基于样机实验的研究。这两种研究方法各有利弊，基于数值仿真软件的研究方法可以方便的改变流场参数、所获得的压力传感器数据信噪比高，可以大大降低我们的研究成本。此外基于仿真软件鱼的的运动研究，结果是可重复的，并充分表征了多种现象，如粘性效应。边界层分离和漩涡脱落等。基于样机实验的研究方法虽然受制于实验环境和实验设备精确度等条件的制约，但其研究结果更接近于实际，是从理论研究走向产品化的重要一步。图1-8基于压力传感器的人工侧线国外学者最先开始对基于压力传感器的人工侧线系统展开研究。麻省理工学院的学者于2007年提出了一种基于MEMS压力传感器的人工侧线系统，可以区分流场中障碍物的形状[76]。RobertoVenturelli等人于2012年发现分布式的压力传感机制可以感知水流特性，如漩涡脱落频率和移动速度等[77]。西北大学的Taavi[78]于2013年将人造侧线系统与仿鱼机器人结合，通过侧线系统可以测量出水流流速并辅助控制机器鱼游动方向。英国巴斯大学的L.D.Chambers等人于2014年使用一个鱼头形状的样机来研究水动力刺激下的人工侧线的压力信号[79]。不同于其他研究，该人工侧线压力传感器呈三维分布，较为形象的模拟了真实鱼类头部侧线的分布。实验结果表明，该人工侧线系统可以有效的区分定常流动和非定常流动。同年，美国佛罗里达大学的YimingXu等人提出了一种受侧线启发的流场估计方法，首先运用Joukowski变化几何建立了理想流体中鱼类的运动模型，然后将机器鱼定义为可变形的固体并研究了其变形动力学。最后结合势流理论和离散涡的脱落机制建立了描述流体与物体相互作用的流体力学模型，利用机器鱼轮廓边界上的压力信息可以估计流场中的信息[80]。这篇文献基于其建立的流体力学模型，从理论上分析了运用机器鱼轮廓边界压力分布信息感知流场信息的可行性。国内对基于压力传感器的侧线系统研究起步较晚，2011年，台湾大学的学者基于数学仿真软件Matlab，提出了一种基于PVDF压电材料的人工侧线系统，并对人工侧线上的传感器的阵列进行优化设计[81]。当仿生机器鱼沿着平行于壁面的方向向前游动时，该侧线系统可以估计机器鱼相对于壁面的方向和距离，这对于机器鱼水下管道巡检有很大的实用意义。2015年，国防科技大学的周晗等提出了一种受鱼类侧线系统启发的流场感知方法，用CFD方法研究了流场中单点和多点鱼体近体压力，主要分析了压力传感器数值的周期变化、压力随体长在时间上的分布、压力和来流速度的关系、压力和机器鱼运动参数之间的关系。并用其压力值估计外部流场的来流速度[82]。来自国防科技大学的相关学者还提出了一种基于压力传感器侧线系统的鱼形样机，该系统由8个压力传感器组成的2个传感器阵列构成。通过偶极子源的定位实验来验证该样机的有效性[83]。同年，广西科技大学和北京大学的李渊、王伟等人提出了一种基于人工侧线系统的机器鱼在模态感知方法。[84]。中国海洋大学的刘贵杰等人于2016年通过CFD模拟仿真，构建了不同流场下的提取不同仿真条件下人工侧线系统中的压力、速度信号概率模型，使水下航行器能够感知不同流场[85]。该研究中的水下航行器的模型为简单二维水滴状物体，将水下航行器表面不同位置压力传感器的信息简化为沿体表的压力/速度-位置分布，从理论上论证了侧线系统的可行性。同年，华东交通大学和北京大学的相关学者对基于人工侧线系统的相邻机器鱼感知进行了研究，通过对两条装有压力传感器阵列的机器鱼进行实验，验证了该人工侧线系统可以感知相邻机器鱼的运动参数和位置信息[86]。北京航空航天大学的相关学者于2017年提出了一种采用5个高精度压力传感器构成的人工侧线，利用流体力学仿真和实验验证等方法，分别研究了均匀流和涡流条件下压力传感器提取的流速、流向与压力信号特征之间的关系[87]。中国海洋大学的刘贵杰等人于2019年提出了一种基于压力传感器阵列的人造侧线系统，通过图像识别技术处理所得到的压力信息。即提取压力传感器中的数据建立了可视化的压差矩阵，流场中的流速，流向以及障碍物偏移距离等信息被映射到压差矩阵中，通过图像识别技术对可视化压差矩阵进行分析进而可以实现对不同流场的识别[88]。西安交通大学的刘钰等人于2019年提出了一种基于经验模式分解和支持向量机的人工侧线智能探测方法，通过经验模式分解方法将人工侧线系统中压力传感信息分解为不同的本征模态函数，通过支持向量机对不同运动频率的水下物体得到的本征模态函数频谱信息进行训练，使仿生机器鱼可以智能识别水下运动物体[89]。中国海洋大学的刘贵杰等学者于2020年通过实验和数值模拟仿真等方法，利用BP神经网络算法实现了搭载人工侧线系统的刚性运动载体对流场流速和流向的识别，识别正确率高达95%以上[90]。河北工业大学的林兴华等人提出了一种基于支持向量机的侧线系统感知水下三角形干扰源的方法，该方法可以有效识别水下干扰源的形态和相对位置[91]。张勇等研究人员提出了一种基于侧线感知原理和深度学习的识别方法，该方法可有效识别水下平动目标方向[92]。总的来说，人工侧线系统的出现为机器鱼流场感知提供了一种新方法，大大提高了仿生机器鱼的智能化和实用性。基于人造纤毛传感器人工侧线技术水平含量高，但目前尚处于实验室研究阶段，成本高且易损坏。而基于压力传感器的人工侧线可以采用成熟的商业化的小型水下压力传感器，成本低且稳定性好，但其性能受制于当前水下传感器的性能和传感器的阵列分布，所采集数据信噪比高，对压力数据的分析处理提出了很高要求[93]。综上可以看出，人工侧线系统的相关研究已取得一定进展，但其准确性和稳定性距离真正的鱼类侧线还有很大差距。参考文献徐玉如,庞永杰,甘永,孙玉山.智能水下机器人技术展望[J].智能系统学报,2006(01):9-16.程娜.可持续发展视阈下中国海洋经济发展研究[D].吉林大学,2013.Chutia,S.,Kakoty,N.M.,Deka,D.AReviewofUnderwaterRobotics,Navigation,SensingTechniquesandApplications.ProceedingsoftheAdvancesinRoboticson-AIR’17.2017.任峰,张莹,张丽婷,孙元宏,孙嘉蔚,宋帅.“海龙Ⅲ”号ROV系统深海试验与应用研究[J].海洋技术学报,2019,38(02):30-35.黄琰,李岩,俞建成,李硕,封锡盛.AUV智能化现状与发展趋势[J/OL].机器人:1-17[2020-03-19].李风华,路艳国,王海斌,郭永刚,张飞.海底观测网的研究进展与发展趋势[J].中国科学院院刊,2019,34(03):321-330.徐凤强,董鹏,王辉兵,付先平.基于水下机器人的海产品智能检测与自主抓取系统[J].北京航空航天大学学报,2019,45(12):2393-2402.Shen,Fei,Wei,Changming,Cao,Zhiqiang,etal.Waterqualitymonitoringsystembasedonroboticdolphin[J].ProceedingsoftheWorldCongressonIntelligentControlandAutomation(WCICA).WCICA2011-2011WorldCongressonIntelligentControlandAutomation,ConferenceDigest,2011(0):243-247.WuZ,LiuJ,YuJ,etal.DevelopmentofaNovelRoboticDolphinandItsApplicationtoWaterQualityMonitoring[J].IEEE/ASMETransactionsonMechatronics,2017,PP(99):1-1.WangY,YangX,ChenY,etal.Abioroboticadhesivediscforunderwaterhitchhikinginspiredbytheremorasuckerfish[J].ScienceRobotics,2017,2(10):eaan8072.Katzschmann,R.K.,DelPreto,J.,MacCurdy,R.,etal.Explorationofunderwaterlifewithanacousticallycontrolledsoftroboticfish[J].ScienceRobotics,2018,3(16),eaar3449.doi:10.1126/scirobotics.aar3449Pollard,B.,Tallapragada,P.Passiveappendagesimprovethemaneuverabilityoffish-likerobots[J].IEEE/ASMETransactionsonMechatronics,2019,1–1.WynnRB,HuvenneVAI,LeBasTP,etal.AutonomousUnderwaterVehicles(AUVs):Theirpast,presentandfuturecontributionstotheadvancementofmarinegeoscience[J].MarineGeology,2014,352:451-468.曹少华,张春晓,王广洲,潘水艳,罗文,李森.智能水下机器人的发展现状及在军事上的应用[J].船舶工程,2019,41(02):79-84+89.唐元贵,王健,陆洋,要振江.“海斗号”全海深自主遥控水下机器人参数化设计方法与试验研究[J].机器人,2019,41(06):697-705.Elnashar,G.A.Dynamicsmodelling,performanceevaluationandstabilityanalysisofanautonomousunderwatervehicle[J].InternationalJournalofModelling,IdentificationandControl,2014,21(3),306.张荣敏,陈原,高军.无鳍舵矢量推进水下机器人纵向稳定性研究[J].哈尔滨工程大学学报,2017,38(01):133-139+152.李新飞,马强,袁利毫,王宏伟.矢量推进水下机器人