《仿生機器魚高效率推進的預測/調節雙閉環控制方法》是依託北京航空航天大學，由徐東擔任項目負責人的面上項目。
基本介紹
- 中文名：仿生機器魚高效率推進的預測/調節雙閉環控制方法
- 依託單位：北京航空航天大學
- 項目負責人：徐東
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
深入分析和研究了機器魚的推進模型和仿生機理，針對當前機器魚研製過程中遇到的推進效率低下、續航時間短的關鍵問題，提出一種高效率推進的預測/調節雙閉環仿生控制方法：從魚類遊動時肌肉做負功的角度探討預測規劃和反饋調節的控制規律，模擬魚類的側線和肌梭的感測原理設計反饋環節，以肌肉神經控制為仿生原型建立雙閉環控制結構，提高機器魚的推進效率。課題以負功所揭示的高效率推進機理為依據，開發關節模組及其驅動算法實時控制剛度和角度並結合肌梭模型反饋關節做功狀態，設計虛擬側線的感測系統識別流場信息；以此為基礎，疊代學習建立運動規劃和剛度調節的知識庫，用虛擬肌肉的思想實現雙閉環的控制；針對所提出算法開發主從分散式控制器，製作機器魚樣機平台實驗驗證並最佳化算法。項目的主要意義是探索新的仿生思路和控制方法，以求在關鍵技術上有所突破，從而提高機器魚的實用水平，推動相關學科和仿生機器魚技術的研究和發展。
結題摘要
為進一步提高機器魚效率，通過深入研究魚類側線系統的感知反饋，利用壓力感測器建立機器魚的虛擬側線系統，使機器魚可以高效便捷地感知流場，根據負功的機理設計機器魚的閉環控制算法，實現預測/調節雙閉環控制，提高機器魚推進效率。課題以生物魚側線系統的結構和功能為基礎，研究基於平均值方差的機器魚虛擬側線感測布局最佳化算法，引入3種相對評價指標進行對比分析，利用虛擬側線實驗平台進行仿真工況的復現，並建立評價模型對比布局結果，驗證了基於平均值方差算法對提高流場參數辨識準確度的有效性。對最佳化布局後的壓力數據進行預處理，基於機率神經網路和廣義回歸神經網路各自的特點和優勢，設計了基於神經網路的信息處理算法。在仿真探索神經網路處理算法的基礎上，利用實驗數據進行了驗證，實現準確辨識流場。套用運動規劃知識庫和剛度調節知識庫設計兩個閉環環節，將得到的流場信息反饋給控制系統，依據流場信息反饋預測規劃下一周期的運動規律；分析負功對效率的影響，引入關節空間控制算法，反饋關節做功狀態，從而調節驅動剛度。基於負功模型設計模糊控制的隸屬度函式和推理知識庫，實現預測/調節雙閉環控制算法。實驗最佳化兩個閉環的控制參數，提高控制精度的同時提高控制效率。最終推進效率提高10%左右。項目的主要意義是完成機器魚的流體感知系統，實現機器魚對流體環境實時反饋的閉環行為，以求對推進效率的進一步提高，加速機器魚的實用化進程。此外，本課題的研究成果也為水下驅動帶來新的模式，為相關學科的發展提供理論和技術的支持。
