CN116300473B - 一种基于cpg模型的软体仿生机器鱼游动优化方法 - Google Patents
一种基于cpg模型的软体仿生机器鱼游动优化方法 Download PDFInfo
- Publication number
- CN116300473B CN116300473B CN202310396666.2A CN202310396666A CN116300473B CN 116300473 B CN116300473 B CN 116300473B CN 202310396666 A CN202310396666 A CN 202310396666A CN 116300473 B CN116300473 B CN 116300473B
- Authority
- CN
- China
- Prior art keywords
- swimming
- cpg
- robot fish
- fish
- soft
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种基于CPG模型的软体仿生机器鱼游动优化方法,包括:建立基于Hopf模型的中央模式生成器CPG控制网络;通过蒙特卡洛方法随机产生CPG网络模型参数,得到初始状态;将初始状态的游动参数代入基于Hopf的改进CPG网络产生游动信号;将SolidWorks中仿生软体机器鱼的模型代入ANSYS Workbench并导入所述游动信号进行有限元流场仿真;结合流场仿真结果建立拉格朗日方程做软体仿生机器鱼动力学分析,得到其理论游动速度和位置示意图;将游动速度作为优化目标,通过粒子群算法迭代计算出最优控制参数并实验对照;本发明的软体仿生机器鱼结合改进的CPG模型,构建专用于软体仿生机器鱼的游动优化方法,充分利用软体仿生机器鱼游动灵活、仿生性好、推进效率高的特点,达成更好的游动效果。
Description
技术领域
本发明涉及水下机器人技术领域,特别是涉及一种基于CPG模型的软体仿生机器鱼游动优化方法。
背景技术
选择鲹科鱼类作为水下软体机器鱼的仿生原型,将水下软体机器人的设计和制作建立在以真实生物的观察和仿生模拟之上可以很大程度上提高机器人的运动灵活性、游动高效性和生物友好性,在海底探索、深海捕捞、泄漏监测、军事侦察等实际应用中有着重要的作用。因此,以数学模型抽象拟合鱼类的游动方式,利用有限元等方法仿真机器鱼游动的流场信息和杨氏模量等相关技术参数能够提高机器鱼的仿生性和游动效率。
而从现在已有的仿生机器鱼来看,大多数仿生机器鱼为刚性鱼体,这将很大程度上阻碍仿生机器鱼的游动灵活性,关于纯软体仿生机器鱼的相关研究还很少。软体仿生机器鱼游动噪音小,仿生推进较为高效,流线型身体游动受到的水阻力远小于相类似的刚体仿生机器鱼,是未来水下仿生机器鱼的热门研究方向。但软体仿生机器鱼的研究面临着较大的挑战,其主要原因在于软材料的自由度高,很难精确建模并达到预期控制效果,而且面临着在深水高压环境下软体材料的密封性问题。因此本文提出了一种专用于软体防生机器鱼的游动优化算法,实现软体仿生机器鱼的建模仿真与游动控制,达到良好的控制效果。
需要说明的是,在上述背景技术部分公开的信息仅用于对本申请的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为克服现有技术的缺陷,本申请提供一种基于CPG模型的软体仿生机器鱼游动优化方法。
为达到上述目的,本申请采用如下技术方案;
本发明提供了一种基于CPG模型的软体仿生机器鱼游动优化方法,包括:建立起基于Hopf模型的中央模式生成器CPG控制网络;通过蒙特卡洛方法随机产生CPG网络模型参数,得到初始状态;将所述初始状态的游动参数代入基于Hopf的改进CPG网络产生游动信号;将SolidWorks中仿生软体机器鱼的模型代入ANSYS Workbench并导入所述游动信号进行有限元流场仿真;结合流场仿真结果建立拉格朗日方程做软体仿生机器鱼动力学分析,得到其理论游动速度和位置示意图;将游动速度作为优化目标,通过粒子群算法迭代计算出最优控制参数并实验对照;本发明的软体仿生机器鱼结合改进的CPG模型,构建专用于软体仿生机器鱼的游动优化方法,充分利用软体仿生机器鱼游动灵活、仿生性好、推进效率高的特点,达成更好的游动效果。
一方面,本申请提供了一种新型的软体仿生机器鱼,所述软体仿生机器鱼体全身由软硅胶包裹骨架而成,胸鳍及尾鳍也由软体硅胶浇筑制成,因此在与水环境的接触层均为软体,极大地缩小了刚体机器鱼游动过程中由“二维平板理论”计算产生的阻力,实现更高效灵活的游动。
另一方面,本申请提供了一种所述仿生软体机器鱼的游动优化方法,包括如下步骤:
S1、建立起基于Hopf模型的中央模式生成器(CPG)控制网络,每个CPG单元依次对应胸鳍、尾鳍舵机的驱动角度;根据实际电子元件性能确立CPG控制网络与机器鱼原型机的拓扑映射结构;
S2、通过蒙特卡洛方法在取值范围内随机产生CPG控制网络模型所需的参数,代入上述参数至S1所述的基于Hopf模型的改进CPG控制网络,得到CPG网络的初始状态,获得游动信号;
S3、将SolidWorks软件中仿生软体机器鱼的三维模型代入Ansys Workbench软件并导入S2所述游动信号,对机器鱼模型所处空间做网格划分,并通过UDF导入S2步骤中CPG网络最终生成的舵机元件摆动信号,进行有限元流场仿真,计算获得游动过程中X、Y坐标方向的阻力曲线;
S4、代入S3流场仿真得到的X、Y坐标方向阻力至软体仿生机器鱼水动力学分析,构建拉格朗日方程计算各舵机关节摆动力矩、粘滞阻力、附加质量力与游动速度、加速度的关系,通过软件求解得到软体仿生机器鱼理论游动速度和游动位置示意图;
S5、设置软体仿生机器鱼游动速度作为优化目标,使用粒子群算法(PSO)每次迭代计算的控制参数代入S2、S3、S4步骤,重复S5直至迭代次数达到最大获得游泳性能最优时的CPG网络参数,并通过真实游动实验检验算法正确性。
进一步地,在基于Hopf的CPG模型上进行算法改进,加入的预处理层P(fk)可以平滑和归一化获得的传感器反馈信息fk,执行俯仰角与偏航角的闭环控制运算,且可以离散化在STM32控制板离线计算;改进后的CPG控制网络模型如下:
式中,fk表示来自压力传感器、红外传感器、姿态传感器等多传感器的反馈信号。利用预处理层归一化函数P(fk)对反馈信号进行处理,减小信号尖锐程度或消除毛刺,延长舵机原件使用寿命。
进一步地,利用蒙特卡洛方法产生的CPG模型初始参数利用样本来细化参数筛选范围,配合粒子群优化算法更大程度上检索并迭代计算范围内的可选参数,包括:振荡幅度、频率、相邻关节的耦合相位差等。
进一步地,调整Hopf模型中的CPG单元相位耦合关系,采用前后临近关节耦合,各个关节耦合系数不同。CPG控制模块需要产生控制防水舵机的信号,相对应每一个防水舵机驱动关节执行器。
进一步地,改变基于Hopf模型的CPG网络振荡频率参数ωi,通过调解上升沿与下降沿信号占空比,获得非对称输出信号,提高游动效率。
进一步地,在SolidWorks与Ansys Workbench联合仿真时,需要导入迭代计算获得的不同CPG网络仿真流场与该参数下鱼体的相互作用力;结合流体仿真得到的力曲线,通过构建拉格朗日方程对软体仿生机器鱼进行动力学分析,计算理论游动速度和游动位置示意图。
进一步地,为了减小所述软体仿生机器鱼体积并最大化利用鱼体内空间,仿生软体机器鱼并未额外增加储存装置,执行程序储存在STM32芯片内部RAM中方便读取,需要传递的数据通过蓝牙模块发送至上位机或手机端。
本申请的软体仿生机器鱼结合了软体硅胶材料良好的柔顺性、防水性和由PWM波控制舵机的精确性,很大程度上提高了软体仿生机器鱼游动的高效性、仿生性和灵活性,具体地,上述技术方案中具有如下优点:
(1)软体仿生机器鱼的外壳由硅胶混合浇筑并用烘干机在适当温度下烘干制成,相比于已有的刚性仿生机器鱼,软硅胶材料具有良好的柔顺性和防水性,能够紧密贴合骨架且流线型的鱼体可以减少水中游动的阻力,很大程度上还原了真实鱼类的游动形态;
(2)使用基于Hopf的改进型CPG网络,在已有的Hopf模型上增加了预处理层P(fk),使用函数对传感模块的反馈信息进行平滑和归一化处理,以便CPG模型在遇到大幅值反馈信号后平滑收敛至新稳态,避免控制信号过于尖锐或产生毛刺,延长舵机元件使用寿命;
(3)为了方便基于Hopf的改进CPG模型在STM32主控制板中运行计算,所添加的预处理层P(fk)也应满足Euler法离散化条件,因此采用近似拟合的方式改进预处理层成为多项式,使其满足Euler法离散化条件;
(4)改变基于Hopf模型的CPG网络振荡频率参数ωi,通过调解上升沿与下降沿信号占空比,获得非对称输出信号,提高游动效率;
(5)调整Hopf模型中的CPG单元相位耦合关系,采用前后临近关节耦合,各个关节耦合系数不同,减小耦合项可以提高CPG网络计算速率;
(6)采用蒙特卡洛与粒子群算法相结合迭代优化,蒙特卡洛方法可以在初始条件设置时广泛搜索全域参数能够很大程度上避免单一粒子群算法迭代优化会掉入局部极值陷阱的问题;
(7)软体仿生机器鱼由于其外壳自由度高,难以使用单一数学公式进行模拟,在ANSYS Workbench软件利用有限元仿真鱼体摆动时的流场变化最为准确,因此导入软体仿生机器鱼SolidWorks的设计模型和每次迭代计算得到的CPG游动模型,可以最准确的仿真出流场与鱼体的相互作用,并将其代入拉格朗日动力学方程进行水动力学分析获得理论游动速度和位置示意图,该方法利用流场有限元仿真代替“二维波动板理论”得到的流体力,包括附加质量力、粘滞阻力等,用于仿生机器鱼游动仿真精度更高,更具参考价值。
附图说明
图1是本发明实施例中的软体仿生机器鱼实物与CPG控制网络拓扑映射结构示意图。
图2是本发明实施例中的基于Hopf的改进CPG网络模型产生信号示意图。
图3是本发明实施例中的软体仿生机器鱼模型空间网格化分割示意图。
图4是本发明实施例中的软体仿生机器鱼以拉格朗日方程为主的水动力学分析示意图。
图5是本发明实施例中以游动速度和效率为优化对象粒子群优化算法流程图。
图6是本发明实施例中粒子群优化算法迭代提高游动速示意图
图7是本发明实施例中的软体仿生机器鱼身体及尾部结构示意图。
图8是本发明实例中的软体仿生机器鱼游动速度及位置仿真示意图。
图9是本发明实施例中的软体仿生机器鱼游动优化方法仿真流程图。
图10是本发明实施例中的软体仿生机器鱼游动控制框图。
具体实施方式
以下对本发明的实施方式做详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互结合。
本发明目的在于提供一种基于CPG模型的软体仿生机器鱼游动优化方法,下面结合附图进行进一步的说明。
一种软体仿生机器鱼游动优化方法,具体包含以下几个步骤:
1)构建基于Hopf的改进CPG网络模型,每个CPG单元依次对应胸鳍、尾鳍舵机的驱动角度。
具体的,参阅图1,根据实际电子元件性能确立CPG控制网络与机器鱼原型机的拓扑映射结构;其中CPGi表示各CPG单元,CPG1是左胸鳍,CPG2是右胸鳍,CPG3是第一尾鳍关节,CPG4是第二尾鳍关节,CPG5是第三尾鳍关节;表示相邻CPG单元的耦合相位关系,实线表示前一个CPG单元向后一个CPG单元的耦合关系,虚线表示后一个CPG单元向前一个CPG单元的耦合关系;θi表示第i个CPG单元的输出信号。
2)改进的CPG网络在输入前增加了对反馈信号的预处理层,预处理层将反馈信号进行平滑和归一化处理,避免控制信号过于尖锐或产生毛刺,延长舵机元件使用寿命;为了方便在STM32控制模块计算,预处理层采用了多项式拟合的方式得出。
通过蒙特卡洛方法随机产生CPG控制网络模型参数,得到CPG网络的初始状态,包括:各CPG单元的频率ωi,各CPG单元的幅值Ai,相邻CPG单元的耦合相位关系构建各关节相耦合的微分方程求解并经过输出层放大βi和偏置εi获得舵机元件的最终摆动角度θi,微分方程如下式:
在本发明的一个具体示例中,产生的输出信号如图2。
其中,图2中a表示在第5s时改变振荡幅度,ΔA=0.5;图2中b表示在第5s时改变振荡相位差,图2中c表示在振荡幅度发生变化后,振荡器迅速收敛到极限圆;图2中d表示将具有偏置系数ε=2和放大倍数β=1.5的输出信号与原始信号进行比较。
S3、将SolidWorks软件中构建的软体仿生机器鱼三维模型导入ANSYS Workbench软件,通过UDF文件编程求解CPG模型的三个舵机摆动信号并代入ANSYS Workbench软件进行有限元仿真,获得软体仿生机器鱼按照目标信号游动时的流场信息。
具体的,参阅图3,对仿生机器鱼周围空间做网格化分割,并进行有限元计算获得流场。
S4、为了确立软体仿生机器鱼动力学分析的坐标系,建立了固定的世界坐标系已经跟随鱼体运动的随动坐标系。
具体的,参阅图4,其中,OE-XEYEZE表示世界坐标系,Oi-XiYiZi表示随体坐标系;
建立如下拉格朗日方程分析对机器鱼做动力学分析,将流场信息作为流体作用力Qi代入如下拉格朗日方程,并用MATLAB软件仿真理论游动速度和位置示意图:
式中,Ek为系统的动能,Ep为系统的势能,θi为广义坐标,取关节2和关节1及尾鳍的相对角位移φ1、φ2、φ3为广义坐标,Qi为广义力,取关节驱动力矩Ti为广义力。
由于仿生软体机器鱼在水中游动,其势能可忽略,因此Ep=0,动能表达式如下:其中/>vxi、vyi为各关节中间点(xi,yi)的瞬时速度,xi、yi为各关节的X轴、Y轴位置;
代入可得
通过虚功原理可知,软体仿生机器鱼游动推进系统的力雅可比矩阵和运动雅可比矩阵为转置关系。根据图4所示的随体坐标系,利用旋转齐次变换矩阵和微分法,可求出游动推进系统相对于坐标系O2-X2Y2Z2的运动雅可比,转置可以获得力雅可比:
涡流对尾鳍反作用力可以表示为下式所示的矢量:
D=[Fx Fy 0 0 0 Mz]T
其中Fx、Fy是鱼体在流体中摆动,与流场相互产生的X轴横向力、Y轴纵向力,Mz为力矩。
因此,可以得到尾鳍所受外力与关节的驱动力矩之间的映射关系:
代入利用ANSYS Workbench计算出的流场参数Fx、Fy、Mz至拉格朗日方程可以解得软体仿生机器鱼的理论游动速度和位置变化。
具体的,参阅图5,软体仿生机器鱼的理论游动速度和位置变化示意图;
其中,图5中的(a)和(b)显示了机器鱼沿x轴游泳5分钟的游泳速度和距离的变化;由于振荡的对称性,沿x轴直接游动的速度会周期性地变化;因此,由于正弦函数,沿x轴移动距离的增加也涉及到一个波动。图5中的(c)和(d)给出了机器鱼沿y轴游动10分钟的速度和位移变化;理论上,在y轴上没有位移。然而,由于移动信号不是完全对称的,y轴在10分钟时产生一个6m的位移。在实验中,利用IMU传感器反馈可以实现闭环控制,消除累积误差。
S5、将游动速度v作为优化目标,通过粒子群算法迭代计算出最优控制参数并通过真实游动实验检验算法正确性。
具体的,参阅图6,给出了粒子群优化算法的流程图。
经过200次迭代的游动速度从0.417m/s提升至0.6406m/s(1.068BL/s)。
具体的,参阅图7,给出了粒子群优化算法迭代提高游动速。
本发明的背景部分可以包含关于本发明的问题或环境的背景信息,而不一定是描述现有技术。因此,在背景技术部分中包含的内容并不是申请人对现有技术的承认。
以上内容是结合具体/优选的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,其还可以对这些已描述的实施方式做出若干替代或变型,而这些替代或变型方式都应当视为属于本发明的保护范围。在本说明书的描述中,参考术语“一种实施例”、“一些实施例”、“优选实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。尽管已经详细描述了本发明的实施例及其优点,但应当理解,在不脱离专利申请的保护范围的情况下,可以在本文中进行各种改变、替换和变更。
Claims (9)
1.一种软体仿生机器鱼游动优化方法,其特征在于:包括以下步骤:
S1、建立起基于Hopf模型的中央模式生成器CPG控制网络,每个CPG单元依次对应胸鳍、尾鳍舵机的驱动角度;多个CPG单元采用仅前后项耦合的链式连接方式,减小耦合项并保证机器鱼的相位差稳定可控;左右两个胸鳍CPG单元用于控制改变击水攻角,调节机器鱼所处深度;三个尾鳍CPG单元用于调整舵机转动幅度,与流体作用产生前进推动力;具体CPG控制网络方程如下:
其中,下标i=1,2,3,4,5分别表示第i个振荡器,依次对应两个胸鳍和三个尾鳍CPG单元;xi代表第i个神经元的兴奋状态,yi代表第i个神经元的抑制状态;Ai表示第i个振荡器的振荡幅度;μ表示振荡器的收敛速度;是前后相邻的两个振荡器相位差,αi是相邻振荡器相位差的耦合系数;P(fk)表示对不同传感信号fk的归一化函数;
式中,fk表示来自压力传感器、红外传感器、姿态传感器等多传感器的反馈信号;利用预处理层归一化函数P(fk)对反馈信号进行处理,减小信号尖锐程度或消除毛刺,延长舵机原件使用寿命;
为减小软体仿生机器鱼游动时的阻力,在鱼体向远离身体中心线方向迎水摆出时增大摆动频率,向靠近身体中心线方向逆水摆动时减小摆动频率,减小游动受到的流体阻力,将上述CPG控制网络的游动频率ωi做出如下改进:
式中,ωR表示信号上升沿的摆动频率,ωD表示信号下降沿的摆动频率,η表示信号上升沿与下降沿的占空比;
此外,根据实际电子元件性能确立CPG控制网络与机器鱼原型机的拓扑映射结构,限制各个参数的取值范围,确保CPG网络输出的信号与机器鱼真实游动效果匹配;
S2、通过蒙特卡洛方法在取值范围内随机产生CPG控制网络模型所需的参数,其中xi,yi为机器鱼的初始摆动姿态,Ai为振荡幅度,μ为振荡收敛速度;是为振荡相位差,αi为相位差耦合系数;代入上述参数至S1所述的基于Hopf模型的改进CPG控制网络,得到CPG网络的初始状态,获得游动信号;
为了快速切换多种游动姿态,对游动信号做以下调整,成为舵机元件最终的控制信号:
θi=βiyi+εi
其中βi为信号放大系数,εi为信号偏置量,调整后的信号可以灵活控制多游动模态切换具有鲁棒性和普适性;
S3、将SolidWorks软件中仿生软体机器鱼的三维模型代入Ansys Workbench软件并导入S2所述游动信号进行有限元流场仿真;其中,对机器鱼模型所处空间做网格划分,并通过UDF导入S2步骤中CPG网络最终生成的舵机元件摆动信号,计算获得游动过程中X、Y坐标方向的阻力曲线;
S4、代入S3流场仿真得到的X、Y坐标方向阻力至软体仿生机器鱼水动力学分析,构建拉格朗日方程计算各舵机关节摆动力矩、粘滞阻力、附加质量力与游动速度、加速度的关系,通过MATLAB求解得到软体仿生机器鱼理论游动速度和游动位置示意图;
S5、设置软体仿生机器鱼游动速度作为优化目标,使用粒子群算法PSO每次迭代计算的控制参数代入S2、S3、S4步骤获得游泳性能最优时的CPG网络参数,并通过真实游动实验检验算法正确性。
2.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征在于:在Hopf模型的CPG网络基础上加入预处理层P(fk)函数,对来自传感器的反馈信号进行归一化、平滑化处理。
3.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征包括:调整Hopf模型中的CPG单元相位耦合关系,采用前后临近关节耦合,各个关节耦合系数不同。
4.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征包括:改变基于Hopf模型的CPG网络振荡频率参数ωi:
通过调解上升沿与下降沿信号占空比,获得非对称输出信号,提高游动效率。
5.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征在于:根据实际电子元件性能确立CPG控制网络与机器鱼原型机的拓扑映射结构,限制各个参数的取值范围,确保CPG网络输出的信号与机器鱼真实游动效果匹配。
6.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征在于:通过SolidWorks对软体仿生机器鱼进行三维建模,将模型导入Ansys Workbench软件产生有限元网格进行流场仿真。
7.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征在于:构建拉格朗日动力学方程分析推进模型,结合流体仿真得到的力曲线计算理论游动速度和游动位置示意图。
8.根据权利要求1所述的软体仿生机器鱼游动优化方法,其特征在于:确定游动速度为优化目标,利用粒子群算法PSO迭代优化CPG控制网络参数,得到最佳游动性能。
9.根据权利要求8所述的软体仿生机器鱼游动优化方法,其特征在于:每次迭代产生的CPG游动模型烧录至机器鱼原型机STM32芯片控制模块后,进行相应水下实验记录数据,与仿真结果对照;
机器鱼原型机STM32芯片控制模块利用PID多闭环结构结合多传感反馈信号调整仿生软体机器鱼的游动姿态,减小累计误差造成的偏航。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396666.2A CN116300473B (zh) | 2023-04-14 | 2023-04-14 | 一种基于cpg模型的软体仿生机器鱼游动优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396666.2A CN116300473B (zh) | 2023-04-14 | 2023-04-14 | 一种基于cpg模型的软体仿生机器鱼游动优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116300473A CN116300473A (zh) | 2023-06-23 |
CN116300473B true CN116300473B (zh) | 2023-09-22 |
Family
ID=86828933
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310396666.2A Active CN116300473B (zh) | 2023-04-14 | 2023-04-14 | 一种基于cpg模型的软体仿生机器鱼游动优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116300473B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117850245B (zh) * | 2024-03-07 | 2024-04-30 | 清华大学深圳国际研究生院 | 一种软体机器鱼及其控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102745320A (zh) * | 2012-07-26 | 2012-10-24 | 中国科学院自动化研究所 | 一种仿鲹科机器鱼倒游运动的控制方法 |
CN111176116A (zh) * | 2020-01-02 | 2020-05-19 | 西安交通大学 | 一种基于cpg模型的机器鱼闭环反馈控制方法 |
WO2021103392A1 (zh) * | 2019-11-29 | 2021-06-03 | 中国科学院自动化研究所 | 基于对抗结构化控制的仿生机器鱼运动控制方法、系统 |
CN113636048A (zh) * | 2021-08-19 | 2021-11-12 | 武汉工程大学 | 一种多关节机器鱼及其运动控制方法 |
CN113985874A (zh) * | 2021-10-26 | 2022-01-28 | 西北工业大学 | 一种基于CPG-Hopf网络耦合算法的水下六足机器人步态生成与转换方法 |
CN114460849A (zh) * | 2022-04-12 | 2022-05-10 | 北京晟海汇泽科技有限公司 | 仿生机器鱼运动控制方法、装置和仿生机器鱼 |
-
2023
- 2023-04-14 CN CN202310396666.2A patent/CN116300473B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102745320A (zh) * | 2012-07-26 | 2012-10-24 | 中国科学院自动化研究所 | 一种仿鲹科机器鱼倒游运动的控制方法 |
WO2021103392A1 (zh) * | 2019-11-29 | 2021-06-03 | 中国科学院自动化研究所 | 基于对抗结构化控制的仿生机器鱼运动控制方法、系统 |
CN111176116A (zh) * | 2020-01-02 | 2020-05-19 | 西安交通大学 | 一种基于cpg模型的机器鱼闭环反馈控制方法 |
CN113636048A (zh) * | 2021-08-19 | 2021-11-12 | 武汉工程大学 | 一种多关节机器鱼及其运动控制方法 |
CN113985874A (zh) * | 2021-10-26 | 2022-01-28 | 西北工业大学 | 一种基于CPG-Hopf网络耦合算法的水下六足机器人步态生成与转换方法 |
CN114460849A (zh) * | 2022-04-12 | 2022-05-10 | 北京晟海汇泽科技有限公司 | 仿生机器鱼运动控制方法、装置和仿生机器鱼 |
Also Published As
Publication number | Publication date |
---|---|
CN116300473A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Three-dimensional modeling of a fin-actuated robotic fish with multimodal swimming | |
CN111650948B (zh) | 一种可底栖式auv的水平面轨迹快速跟踪控制方法 | |
Schegg et al. | Review on generic methods for mechanical modeling, simulation and control of soft robots | |
Yan et al. | Consensus formation tracking for multiple AUV systems using distributed bioinspired sliding mode control | |
CN116300473B (zh) | 一种基于cpg模型的软体仿生机器鱼游动优化方法 | |
Bazaz Behbahani et al. | Role of pectoral fin flexibility in robotic fish performance | |
Kelasidi et al. | Integral line-of-sight for path following of underwater snake robots | |
CN112462792A (zh) | 一种基于Actor-Critic算法的水下机器人运动控制方法 | |
Li et al. | Application of bat algorithm based time optimal control in multi-robots formation reconfiguration | |
CN111158385B (zh) | 仿生机器鱼的运动控制方法、装置、设备及可读存储介质 | |
CN114779645A (zh) | 一种有向固定通信拓扑下胸鳍拍动式机器鱼编队控制方法 | |
Cao et al. | Parameter optimization of CPG network based on PSO for manta ray robot | |
Zheng et al. | Three-dimensional dynamic modeling and motion analysis of a fin-actuated robot | |
Zhong et al. | A General Kinematic Model of Fish Locomotion Enables Robot Fish to Master Multiple Swimming Motions | |
CN114397899A (zh) | 一种仿生机器鱼三维路径跟踪控制方法及装置 | |
Ding et al. | Experimental study on the improvement of yaw stability by coordination control between the caudal fin and anal fin | |
Wen et al. | Consensus protocol based attitudes coordination control for Underwater Glider formation | |
Bao et al. | A review of underwater vehicle motion stability | |
Zou et al. | Development of a Low-Cost Soft Robot Fish With Biomimetic Swimming Performance | |
Wang et al. | A PSO-based CPG model parameter optimization method for biomimetic robotic fish | |
Lee et al. | Optimal control of a mackerel-mimicking robot for energy efficient trajectory tracking | |
He et al. | Underwater autonomous motion control of a small-scaled spherical robot with neural networks | |
Chowdhury et al. | Model-based control of a BCF mode carangiform bioinspired robotic fish | |
Qi et al. | Spatial target path following and coordinated control of multiple UUVs | |
Zhang et al. | Modeling and dynamic control of a class of semibiomimetic robotic fish |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |