水下机械臂控制方法与系统集成研究

摘要

　　水下机械臂是广泛使用的水下装置，但水下环境复杂，水流的冲击与干扰增加了水下机械臂的控制难度，因此研究高性能的运动控制系统对水下机械臂的设计研究有着重要意义。本文基于RSM水下机械臂，开展了关于水下机械臂运动学与动力学建模、运动控制方法与控制系统集成的研究。

　　使用D-H表示法建立了水下机械臂的正运动学方程，在此基础上运用代数求解法进行了逆运动学求解与分析。在Matlab仿真环境中，结合运动学方程与蒙特卡洛法求解出水下机械臂的运动空间。

　　对水下机械臂在水环境中的受力情况进行了分析，求解了水下机械臂在水环境中受到的水作用力，在Lagrange 动力学方程的基础上，建立了水下机械臂在水环境中的动力学模型。通过动力学仿真实验，分析了水作用力对水下机械臂运动的影响。

　　针对水下机械臂的运动控制，提出了一种基于动力学模型分块逼近的RBF （RadialBasis Function）神经网络滑模控制方法。该方法在滑模控制的基础上，使用了五个RBF神经网络逼近水下机械臂的名义模型参数，并将控制律中的符号函数替换为饱和函数。经仿真实验验证，该方法可以快速补偿计算模型与实际模型的误差，并减弱了控制系统的抖振效应，从而提升水下机械臂控制的响应速度与稳态精度。

　　利用ROS的分布式特性，设计了远程PC与嵌入式系统协同工作的水下机械臂控制系统。在Zynq-7020硬件平台中完成了硬件接口电路的设计与ROS操作系统的部署：在ROS软件框架下完成运动控制、运动规划功能模块的设计。搭建了实验平台，进行了R5M水下机械臂控制实验。

　　关键词：水下机械臂：动力学建模： RBF 神经网络滑模控制： ROS

Abstract

　　Underwater manipulator is a widely used underwater device. However, the complexunderwater environment and the impact and interference of water flow increase the ificulty ofthe control of the underwater manipulator. Therefore, the rescarch of high performance motioncontrol algorithm and control system is of great significance to the design and research ofunderwater manipulator. In this paper, RSM underwater manipulator is taken as the researchobjeet, and the kinematics and dynamics modeling, motion control methods and motion controlsystem of underwater manipulator are studied respectively.

　　The forward kinematics equation of the underwater manipulator was entrenched by D-Hrepresentation mode, and the inverse kinematics solution was derived by numerical analysismethod. The kinematics model and Monte Carlo method were combined to solve the motionspace of R5M underwater manipulator in MATLAB simulation environment,

　　The force of the underwater manipulator in the water environment is analyzed, and the forceof the underwater manipulator in the water environment is solved. Based on the Lagrangedynamics equation, the dynamics model of the underwater manipulator in the water environmentis established. The influence of water force on the motion control of manipulator was analyzedby the dynamics model in MATLAB simulation environment.

　　Aiming at the motion control of underwater manipulator, a sliding mode control methodbased on RBF neural network based on the block approximation of dynamics model wasproposed. Based on the sliding mode control, five RBF neural networks are used to approximatethe nominal model parameters of the underwater manipulator, and the symbol function in thecontrol law is replaced by the saturation function. The simulation results show that the proposedmethod can quickly compensate the errors between the calculation model and the actual model,and reduce the chattering efet of the control system, s0 as to improve the response speed andsteady-state accuracy of the underwater manipulator.

　　Based on the distributed characteristics of ROS, an underwater manipulator control systemwith remote PC and embedded system is designed. The design of hardware interface circuit anddeployment of ROS operating system are completed in Zynq-7020 hardware platform. Thefunctional modules of motion control and motion planning are designed under the framework ofROS software. The experimental platform is buit and the control experiment of RSM underwatermanipulator is carried out.

　　Key words: Underwater manipulator; Dynamie modeling; RBF neural network; ROS

目 录

　　1 绪论

　　1.1 课题的研究背景与意义

　　全面开发与利用海洋是沿海国家的重要发展战略[1].我国海洋国土面积与海岸线长度均居世界前列，因此在开发利用海洋的资源条件上，我国具有得天独厚的优势。海洋不仅能为人类提供水产资源，其中更含有大量的自然资源。相关数据显示，我国海域中已探明的石油含量超过两百亿吨，天然气含量超过了十万亿立方米[2].相较于发达国家，我的海洋经济发展仍处于落后水平，加快海洋开发，合理利用、开发监测海洋资源对我国的可持续性发展具有重大意义[3].

　　海洋资源丰富，但开发难度大。海水环境由于可见度、水温与水压等因素，都不适合人类长时间停留，需要专用的水下设备进行协助开发[4].《海洋工程装备产业创新发展战略（2011-2020）》指出为了更好的推进海洋资源的开发利用，我国应投入更多的人力与财力，加快新型海洋装备的研发速度。研究先进的水下装备和技术已经成为我国重点发展的科技战略。

　　由于水下机器人可以帮助人类潜入深海进行水下作业，目前被广泛应用于海洋资源的开发[5].近半个世纪以来，各个国家在开发海洋资源过程中大力发展水下机器人技术，水下机械臂具有轻盈，灵活的特点，成为最适合完成水下任务的装备，极大的增加了水下机器人的功能性与灵活性。水下机械臂可以广泛应用于海上石油天然气的勘探与采样、可再生能源工程以及在海洋科学领域与军事领域中的各类水下作业任务之中，因此对水下机械臂的进行研究不仅对海洋开发利用具有重要意义，也在很大程度上反映了一个国家的海洋科学技术水平[6].

　　水下机械臂的研究综合了多类学科，包含机械结构设计，模式识别与智能控制等，还需结合水下密封技术、计算机技术、传感器融合等多种技术。水下机械臂的灵活性与控制精度是重要的性能指标，研究高精度、高性能、高抗扰的水下机械臂是未来的发展方向[7].

　　与发达国家相比，我国当前对于水下机械臂的研究大多仍处于实验室阶段，具有控制精度不足，作业效率低等问题，仍有待继续深入研究。不同于陆上环境，水下机械臂在进行水下作业会受到水作用力的干扰，增加了控制的难度，只有研究高性能的运动控制方法才能解决上述问题，对水下机械臂的研究十分重要[8].

　　国内学者对水下机械臂的控制方法进行了大量研究，虽取得一些成果，但在控制响应速度与控制精度方面仍有待提高。水下机械臂的控制系统是水下机械臂的重要组成部分，但我国对水下机械臂的研究多集中与控制方法的研究，对水下机械臂控制系统的集成尚未进行深入研究。针对上述问题，本文对水下机械臂的运动控制方法与控制系统集成进行了研究，有助于水下机械臂技术的研究与发展。

　　1.2 水下机械臂研究现状

　　1.2.1 国外水下机械臂研究

　　西方国家较早开始对海洋的探索，在发展水下设备的过程中开展了水下机械臂的研究，经历了 50 多年的发展，技术相对成熟[9].水下机械臂作为水下机器人最合适的作业工具，得到了广泛的应用。水下机器人一般在航行器的前端与底部搭载一个或多个水下机械臂，依靠人工远程遥控的方式完成水下作业任务。当前水下作业中所使用的机械臂大多采取了拟人手臂化的外观设计，由一系列刚体与末端夹持器组成，内部构造也大体一致，主要区别在驱动单元数量、驱动方式、负载能力及作业半径等方面。

　　美国是最早开展水下机器人与水下机械臂技术研究的国家，也拥有最先进的技术[10].

　　美国 Woods Hole 海洋研究所研制了世界上第一款可投入使用的水下机械臂，装载于 Alvin号水下载人航行器上，用于执行深海勘探等科研任务，如图 1-1 与图 1-2 所示。该水下机械臂由七个功能关节组成，最大伸展长度为 1.75m,采用了液压驱动的方式，可以提供超过 100kg 的抓取重量与 40 的抓持力矩[11].

　　Alvin 号成功完成了多次深海科研任务，证明了水下机械臂在深海作业中的应用价值，也让更多的国家开始研究水下机器人与水下机械臂技术。日本也是较早展开水下机器人和水下机械臂的研究的国家之一，其自 1970 开始对水下机械臂展开了相关的研究，截至目前开发了众多水下机械臂产品并投入到使用中。日本最早研发的一款水下机械臂安装于海洋科学技术中心研发的 Shinkai6500 水下探测器上，如图 1-3 所示[12].图 1-4 是同样由日本海洋科学技术中心研发的 Hyper-Dolphin 号 ROV,装配两台七功能水下机械臂[13].

　　英国、法国与德国在水下机械臂的相关领域也有深入的研究，三国的相关研究部门共同研制了 Victor6000 号水下机器人，如图 1-5 所示。Victor6000 号可以下潜至 6 千米深的海底进行科考研究，装备了一个五功能水下机械臂与一个七功能水下机械臂，两个水下机械臂可以协同进行水下作业[14].

　　水下机械臂在科研领域已经得到了广泛的应用与研究，为完成深海勘察作业任务，水下机械臂大多设计为七功能结构样式，且由液压驱动，提供了更大的伸展长度与负载能力。

　　随着水下机械臂技术的不断完善与应用场景的增多，水下机械臂逐步向商用化方向发展，许多外国公司相继推出了更多针对不同应用场景的商用水下机械臂。

　　美国 schilling 公司是著名的水下机器人公司，目前在商用领域广泛使用的 Orion7P 与Titan4 水下机械臂都是由 schilling 公司进行设计研发。Orion7P 是一款重型七功能液压水下机械臂，如图 1-6 所示。Orion7P 重量为 54kg,多自由度的设计可以实现各个方位运动，一般搭载于中型 ROV 上进行水下安装与勘探任务[15].Titan4 也是一款七功能水下机械臂，如图 1-7 所示。区别于 Orion7P,Titan4 的重量更高，达到 100kg,专为重型 ROV 搭载设计，采用液压驱动方式，可以抓取搬运 400kg 重量以内的物体[16].

　　Predator 同样是一款重型液压水下机械臂，如图 1-8 所示，由美国 Kraft 科技公司进 行设计生产。Predator 的重量高达 80kg,可以在 6500 米深水中执行作业任务，整体包含六个旋转自由度及一个多功能机械爪，最大伸展距离达到 2m[17].Predator 结构设计合理，工作精度高，稳定性好，功能完备，是目前功能最为齐全的重型商用水下机械臂。

　　公司开始研发针对轻型 ROV 与 AUV 搭载使用的商用水下机械臂。英国科技公司Hydro-lek 科技公司设计了多款专为小型 ROV 搭载的水下机械臂，HLK-4000-5 是一款五功能的水下机械臂，如图 1-9 所示，HLK-4200-4 是一款四功能水下机械臂，如图 1-10 所 示。两款水下机械臂在结构设计上均采用镂空设计，牺牲了机械臂的强度与载重能力，减轻水下机械臂的重量，使重量均小于 20kg.两款水下机械臂都采用了液压驱动的方式，适用于轻型 ROV 搭载，可以在 2000 米水深内进行作业。

　　液压驱动的水下机械臂可以提供较大的负载能力，但是质量普遍过重，还存在精度不足的问题。随着电机技术的发展，电机在机械臂的设计中得到了广泛的应用。电机具有响应速度快、质量轻、运动精度高的特性，可以代替液压驱动单元，提高水下机械臂各关节的响应速度与精度，水下机械臂逐步向电机驱动的方向发展。目前已经有了部分款式的商用水下机械臂采用了电驱方式，如法国的 ECA 科技公司研发了一款七功能的电驱水下机械臂 robotics 7E,如图 1-11 所示。Robotics 7E 可以搭载于轻型 ROV 与 AUV,完成 300m水深以内的工程作业任务[18].

　　随着对水下机械臂工作效率及功能性的要求不断提高，模块化、轻量化、高精度是水下机械臂未来的方向发展。图 1-12 展示的是一款模块化电驱水下机械臂，是意大利 GraalTech SRL 科技公司为 TRIDEN 项目进行设计研发的智能水下机械臂，这款水下机械臂的特点在于其采用了模块化设计，每一个单元都有可互相兼容的各类通信接口，可以按照用户的具体需求进行定制，无需专门的设计，但是也存在一定的缺点，如稳定性与负载能力较弱。

　　1.2.2 国内水下机械臂研究

　　我国自 1980 年起开始对水下机器人和水下机械臂进行研究，相较于发达国家而言，国内该方面研究起步较晚，缺乏技术的积累，具有较大的差距。目前我国水下机械臂的研究大多处于实验室科研阶段，缺乏商用水下机械臂产品，在海洋探索研究等领域所使用的水下机械臂依旧依赖于进口产品。

　　蒋新松院士是我国在水下机器人与水下机械臂相关领域著名的研究学者，带头开展了一系列水下机器人技术攻关任务。图 1-13 中展示的"海人一号"水下机器人，是我国最早的 ROV 水下机器人，由沈阳自动化研究在 1985 年研制，其前端安装了一台五功能水下机械臂，采用了液压驱动的方式，是我国最早应用的水下机械臂[19].1995 年我国与俄罗斯共同研发设计了自治水下机器人"CR-01"如图 1-14 所示，"CR-01"上搭载了一款开关式水下机械臂，该水下机械臂的整体作业能力不足，使用效率低下，没有进行后续研究[20].2005 年沈阳自动化研究所最早开展了关于电动水下机械臂的研究，设计了一款三功能电动水下机械臂，包含了大臂关节、肘关节与末端机械臂爪。

　　除了沈阳自动化研究所，近年来我国众多科研院校也积极参与水下机器人与水下机械臂的研究，华中科技大学是我国早期开始研究水下机械臂的院校单位，截至目前共研发了十余款水下机械臂。"鱼鹰Ⅰ号"水下机械臂是华中科技大学早期研发的水下机械臂，如图 1-15 所示，用于水下打捞采样等作业任务。图 1-16 是华中科技大学研发的"华海-4E"水下机械臂，该机械臂为四功能水下机械臂，采用了电驱设计，为提升耐压性，"华海-4E"采用了油压密封的方式，可以承受水深 3500 内水压。

　　我国其他高校也开展了多项水下机械臂的科研项目，并提出了多种电驱水下机械臂的设计方案。2018 年哈尔滨工程大学提出了一种六自由度的电动水下机械设计方案，如图 1-17 所示。该水下机械臂整体采用铝合金材料设计，使用水下电机与谐波减速器作为机械臂的动力单元，使用密封圈进行防水处理。该水下机械臂可以完成 300m 水深内的作业任务，无法在深水中使用。目前该机械臂已完成样机设计，仍处于实验研究阶段[21].

　　2019 年哈尔滨工业大学的科研团队针对水下维修等应用场景，设计了一款可以搭载于ROV 的水下专用焊接机械臂，如图 1-18 所展示[22].该款水下机械臂使用用舵机作为机械臂的动力单元，选用了五功能的外观结构设计方案，末端搭载了焊接喷口，用于完成水下焊接作业任务。

　　根据水下机械臂的国内外发展研究现状可以看出，相比于国外水下机械臂的发展，目前我国仍有差距，需要对相关技术继续进行深入研究。水下机械臂的外观功能设计基本一致，驱动单元通常采用电机或液压的驱动方式。对两种驱动方式进行对比发现，电机驱动的水下机械臂在使用过程中响应速度更快、坐标定位更为准确、成本相对较低且适用于更多场景。因此，电机驱动方案优化及其相关控制技术研究成为未来的发展趋势。

　　1.3 水下机械臂控制技术国内外研究现状

　　1.3.1 水下机械臂动力学建模研究现状

　　区别于陆用机械臂，水下机械臂的工作环境复杂，会受到水流的冲击力与多种难以预测的外部干扰，增加了水下机械臂的控制难度。建立准确的水下机械臂动力学模型是设计水下控制器的基础，对水下机械臂动力学建模进行相关研究具有重要意义[23].

　　传统机械臂动力学建模方法已经较为成熟，目前学者对水下机械臂动力学相关的研究多针对于水下机械臂的水动力学分析。McLain 和 Rock 研究了单关节水下机械臂在水中运动情况，得出水动力会对水下机械臂的运动产生明显影响，通过将水动力前馈补偿给控制器，可以提升水下机械臂的控制性能[24].SHEN L 提出了使用斯托克斯计算不规则物体水动力模型的方法，但是该方法求解过程复杂不利于推广至多关节机械臂[25].Tarn 和Yang 在进行 AUV 机器人水下动力学模型的研究中，将水动力分解为附加质量力、水阻力与浮力，该方法适用于推导多关节机械臂水下动力学模型，但是该方法未考虑水下机械臂的耦合作用力[26].王华等人在进行水下机器人的研究中，提出了一种基于切片理论的动学模型建立方法，使用积分计算的方式得出了水下机械臂的水阻力与附加质量力[27].肖治琥对华中科技大学研发的四功能深水机械臂动力学特性进行了相关研究，计算了附加质量力、浮力、水阻力与水流冲击力，且针对这些力对水下机械臂运动的影响运用仿真进行分析，得出浮力对水下机械臂运动造成的干扰最大，其他水作用力的干扰较小[28].

　　1.3.2 水下机械臂运动控制方法研究现状

　　水下机械臂的控制方法决定了水下机械臂的控制精度，水下机械臂是一种典型的多输入多输出非线性控制系统，控制难度高，为了实现水下机械臂的精准控制，研究学者进行了大量的相关研究。

　　针对此水下机械臂的控制，有两条技术路线，前者为分散控制，是将水下机械臂看作由多个独立系统组成的机械系统，忽略关节间的耦合作用，对关节进行单独控制；后者为集中控制，是将水下机械臂看作一个整体，设计控制器需要考虑各关节的动态耦合作用[29].

　　PID 控制是典型的分散控制方法，Smith 等于 1994 年最先将 PID 控制应用于水下机械臂控制器设计之中，通过仿真模型验证了该方法的有效性[30].Dunnigan 等在整体 PID算法的基础上，提出了一种关节自整定自适应的 PID 控制方法，该方法为水下机械臂的每一个关节设定独立的 PID 增益，提升了水下机械臂的控制效果。为了解决固定增益 PID控制的缺陷，霍等提出了一种可变增益的 PI 控制算法，该算法可以在水下机械臂控制的过程中，根据外部条件自动调整控制器增益，提升了水下机械臂的抗干扰性能[31].彭生全等将速度 PI 控制器与位置 PD 控制器相结合，提出了一种针对水下机械臂控制系统的双环 PID 控制方法，仿真结果显示这种结合下控制器其控制性能优于传统的控制器[32].Xu等提出了一种使用模糊逻辑理论进行 PID 增益调整的控制方法，通过两种方法的结合优化 PID 控制，提升了水下机械臂的控制效果[33].

　　PID 控制可以实现水下机械臂的控制，但是难以进一步消除模型误差与外部干扰带来的控制误差，大多数学者转而开始研究水下机械臂的非线性集中控制，通过消除水下机械臂的动力学模型中非线性参数的影响，提高水下机械臂的控制性能。Liceaga-Castro 等利用 Morison 方程计算出水下机械臂动力学模型中的流体力学效应，提出了一种非线性模型匹配控制器[34].Fossen 等学者利用牛顿-欧拉方程对水下机械臂的动力学模型进行了迭代计算，在计算过程中将系统转化为线性化系统，在基于此提出了一种逆动力学控制方法，然而，该方法对于参数的变化以及外部的干扰较为敏感，鲁棒性相对较弱。滑模控制是一种不依赖精准模型且抗干扰性强的控制方法，为了增强水下机械臂控制器的抗干扰能力与鲁棒性，滑模控制方法被应用于水下机械臂的控制器设计之中。Venkatesan 等提出了一种改进的滑模控制方案，该方案利用扰动观测器来处理控制系统的干扰与不确定性，通过观测器来补偿滑模控制，通过仿真验证提高了水下机械臂的控制精度[35].CHEN 等人将模糊控制方法引入滑模控制器，利用模糊逻辑设计控制系统的前馈补偿，用于消除动力学模型中的不确定干扰项，提出了自适应滑模控制方法，经仿真实现了水下机械臂的控制，该方法具有鲁棒性好，但控制的实时性不足。Lee 等提出了一种将滑模控制器与多层神经网络相结合的控制方法，使用神经网络作为控制模型的补偿输入，提高控制模型的实时控制性能[36].董永飞等使用径向基网络可以逼近任意函数的特性，逼近水下机械臂的动力学模型对控制器进行前馈补偿，这在一定程度上提升了水下机械臂控制器的响应速度及精准度[37].

　　根据水下机械臂控制相关技术的研究现状可以看出，国内外学者对水下机械臂进行了大量的研究，在水下机械臂动力学建模研究方面，主要使用传统水动力学计算方法求解水下机械臂的在水环境中所受到的水动力矩，结合传统动力学建模方法获得水下机械臂在工作时的动力学模型。从相关研究中可以看出提高水下机械臂的动力学建模精度是目前主要的研究方向，高精度的动力学模型也是设计高性能水下机械臂控制器的前提；在水下机械臂控制方法研究方面，有以 PID 控制方法为主的分散控制与以滑模控制为主的集中控制两种控制器设计策略。集中控制策略可以更好的克服控制系统的外部干扰与水下机械臂各关节间的耦合作用力，得到了广泛的应用。目前在水下机械臂运动控制方法的研究中，以滑模控制算法为基础，结合模糊控制、神经网络等先进控制方法提升水下机械臂的抗干扰能力与控制的精确度是主要的研究方向。

　　1.4 本文主要研究内容

　　复杂的水下环境会增加水下机械臂的控制难度，研究高性能的运动控制方法与控制系统对提高水下机械臂的运动控制性能有着重要的意义。本文基于 R5M 水下机械臂，开展了关于对水下机械臂的运动学与动力学建模、运动控制方法与控制系统集成四个方面的研究，研究路线如图 1-19 所示。

　　第一章：绪论。本章介绍了课题的研究背景与意义，阐述了水下机械臂的发展与运动控制相关技术的研究现状。

　　第二章：水下机械臂运动学分析。本章推导了水下机械臂的正运动学方程，运用代数求解法进行了逆运动学求解与分析，得到了水下机械臂的运动学模型。基于蒙特卡洛随机抽样原理，求解了 R5M 水下机械臂的运动空间。

　　第三章：水下机械臂动力学分析。本章首先通过 Solidworks 软件对 R5M 水下机械臂进行三维建模，获取了各关节连杆的质心坐标与惯性张量参数。分析与计算了机械臂在水环境中受到的水作用力，在 Lagrange 动力学的基础上，得到了水下机械臂在水环境中运行时的动力学模型。通过动力学仿真实验，分析了水作用力对机械臂运动的影响。

　　第四章：水下机械臂的运动控制方法研究。提出了一种水下机械臂运动控制方法，该方法使用了五个 RBF 神经网络，补偿动力学模型与实际模型的误差，并使用饱和函数改进了传统滑模控制项。使用 Lyapunov 稳定性理论判定了控制系统的稳定性，并通过仿真结果验证该控制方法可以有效提升水下机械臂控制的响应时间与稳态精度。

　　第五章：水下机械臂控制系统研究。本章以 R5M 水下机械臂为控制对象，提出了一种水下机械臂控制系统的设计方案。首先对控制系统的结构进行了介绍，其次使用 Zynq-7020 全可编程硬件平台搭建水下机械臂控制系统的硬件框架，使用 ROS 机器人操作系统搭建水下机械臂控制系统的软件框架。通过实验平台，测试了控制系统的功能。

　　第六章：总结与展望。总结了全文研究内容，提出下一步研究的工作。

　　2 水下机械臂运动学分析

　　2.1 引言

　　2.2 D-H 表示法

　　2.3 水下机械臂运动学分析

　　2.3.1 R5M 水下机械臂

　　2.3.2 水下机械臂正运动学分析

　　2.3.3 水下机械臂逆运动学分析

　　2.4 水下机械臂运动学仿真

　　2.5 本章小结

　　3 水下机械臂动力学分析

　　3.1 引言

　　3.2 水下机械臂动力学分析

　　3.2.1 水下机械臂动力学参数求解

　　3.2.2 Lagrange 动力学建模

　　3.2.3 水下机械臂动力学建模

　　3.3 水下机械臂动力学仿真

　　3.4 本章小结

　　4 水下机械臂运动控制方法研究

　　4.1 引言

　　4.2 控制方法原理简述

　　4.2.1 滑模变结构控制方法

　　4.2.2 RBF 神经网络控制方法

　　4.3 控制器设计

　　4.3.1 控制律设计

　　4.3.2 稳定性分析

　　4.4 水下机械臂仿真控制实验及分析

　　4.4.1 仿真实验参数设置

　　4.4.2 仿真结果分析

　　4.5 本章小结

　　5 水下机械臂控制系统研究

　　5.1 引言

　　5.2 控制系统软硬件平台简介

　　5.2.1 ROS 机器人操作系统简介

　　5.2.2 Zynq-7020 硬件平台简介

　　5.3 水下机械臂控制系统总体设计方案

　　5.4 水下机械臂控制系统硬件功能设计

　　5.4.1 水下机械臂控制器硬件结构

　　5.4.2 串口通信 IP 核设计

　　5.4.3 图像采集 IP 核设计

　　5.4.4 嵌入式系统部署

　　5.5 水下机械臂控制系统软件功能设计

　　5.5.1 水下机械臂 URDF 模型设计

　　5.5.2 水下机械臂 MoveIt!功能包配置

　　5.5.3 水下机械臂 ROS 控制器配置

　　5.6 水下机械臂控制实验

　　5.7 本章小结

6 总结与展望

　　6.1 总结

　　为了更好的推进我国海洋资源的开发利用，研究先进的水下装备和技术已经成为当 前我国重点发展的科技战略。水下机械臂是最广泛使用的水下装备，与陆用机械臂不同，水下机械臂在运行时会受到水流的冲击与干扰，增加了控制的难度，所以研究高精度、高稳定性的控制方法与控制系统对提升水下机械臂的控制性能有重要的意义。故本文以 R5M 水下机械臂为研究对象，对水下机械臂的运动学、动力学建模、运动控制方法与控制系统的集成展开了研究。研究工作总结如下：

　　（1）研究了水下机械臂的运动学建模过程，首先使用 D-H 表示法为 R5M 水下机械臂的各个运动关节建立坐标系，得到了各关节连杆的 D-H 参数，通过求解相邻关节坐标系的齐次转换矩阵，推导了水下机械臂的基坐标系到末端坐标系的正运动学转换矩阵，建立了正运动学方程。然后在求得正运动学方程基础上，通过代数求解法进行了逆运动学计算与分析，得到了水下机械臂的逆运动方程。最后在 Matlab 仿真环境中，设计了运动学仿真实验，根据蒙特卡洛法，在机械臂关节的活动范围进行随机抽样，再根据运动学方程得到了 R5M 水下机械臂的运动空间。

　　（2）研究了水下机械臂的动力学建模过程，首先使用 Solidworks 软件建立了 R5M 水下机械臂的三维模型，获取了机械臂各连杆的质量、质心、旋转惯量参数，再根据 Lagrange方程得到了 R5M 水下机械臂的 Lagrange 动力学方程。然后分析了水下机械臂在水环境中运行时各连杆的受力情况，结合了 Morison 方程与切片理论求解出了机械臂各关节受到的水阻力据，附加质量力矩与浮力力矩，在 Lagrange 动力学方程的基础上，得到了水下机械臂在水环境中的动力学模型。最后在 Matlab 仿真环境中，设计了动力学仿真实验，证明了水作用力对机械臂的运动存在明显的影响，需要在设计控制器时对水作用力进行补偿。（3）研究了水下机械臂的运动控制方法，首先对滑模控制、神经网络控制的原理进行了分析与介绍。然后针对水下机械臂动力学模型中不确定参数项多，运行过程中会受到多种不确定干扰的问题，提出了一种水下机械臂运动控制方法。该方法使用多个 RBF 神经网络，对动力学模型中的各项不确定参数进行分块逼近，用于补偿动力学模型与实际模型的误差，并在滑模控制项中使用饱和函数代替符号函数。最后通过 Lyapunov 稳定性分析理论判定了控制系统的稳定性，并在 Matlab 仿真环境中设计了仿真控制实验，证明了该方法的有效性。 （4）研究了水下机械臂控制系统的集成，首先参考了水下机械臂的实际应用场景，基于 ROS 机器人操作系统的分布式特性，设计了远程控制 PC 与嵌入式系统协同控制的水下机械臂控制系统，该方案可以满足水下机械臂控制系统对实时性、功能性与计算能力的需求。然后在 Zynq-7020 硬件平台中，利用 PL 端的 FPGA 特性设计了水下机械臂控制器的通信接口与图像传感器的硬件 IP 核，利用 PS 端的嵌入式特性部署了 ROS 机器人操作系统；在 ROS 软件平台中，利用内置功能函数与安装包完成了运动控制的运动规划模块的设计。最后搭建了实验平台，进行了 R5M 水下机械臂控制实验，测试了控制系统的功能，验证了控制系统设计的合理性。

6.2 展望

　　本文的对水下机械臂的运动控制与控制系统的研究取得了一定的成果，但受限于一些因素，仍有许多不足之处，需要在以下几个方面继续进行深入的研究。

　　（1）本文在对水下机械臂动力学建模的研究中，在使用 Morison 方程与切片理论计算水作用力的过程中时，为简化计算，对水下机械臂的模型采取了简化操作，水阻力系数与附加值质量系数使用了经验值，故计算得到的水下机械臂的动力学模型会存在较大的误差。如何建立精确的水下机械臂动力学模型，是在后续研究中需要解决的问题。

　　（2）本文在对水下机械臂控制方法性能进行验证时，只做了角度跟踪仿真控制实验，对控制器的性能验证不够全面，在后续的研究中，可以进行更多仿真测试，并对控制方法进行进一步的改进，从而提升控制器的控制效果。

　　（3）本文在水下机械臂的控制系统的搭建中，通过 ros_control 设计了机械臂的关节控制器，在后续的研究中，可以将本文提出的运动控制算法移植至 Zynq-7020 硬件平台，利用 Zynq-7020 平台 PL 端中的 FPGA 实现硬件加速功能，实现软硬件协同控制，提升水下机械臂的控制效果。

致谢

　　硕士论文的完成也意味着我的研究生生涯将要画上圆满的句号，回首这三年的校园生活，留下了太多的回忆。有幸可以作为西安理工大学的学子，三年间我在这里学习，这里成长，感谢这三年间我遇到的每一位老师，每一位同学，是你们让我有了一段难忘的校园生活，感谢我这三年间一路走来所有帮助过我、关心过我的人，向你们致以我最真诚的谢意。

　　我要最需要感谢的人是我的导师张晓晖教授，感谢张老师给了我一个机会，让我可以在理工大开始我的研究生生活。在研究生三年的学习生活中，张老师就像我前进道路上的明灯，在我学习和生活中遇到困难时，总能给出有效的指导建议，让我在学习和生活中少走弯路。在论文写作过程中，张老师非常耐心的修改和指导我的论文，让我及时改正论文的不足。从老师身上，我学习到了严谨的工作态度，也学到了更多做人的道理。我还需要感谢另一位老师，刘浩林老师。在研究生期间，刘老师给了我很多的建议，为我答疑解惑，并鼓励我多参加比赛，锻炼动手能力，在实践中成长。此外，我要感谢自动化与信息工程学院的各位任课老师们，是你们对待每一节课，每一位同学认真负责的态度，让我在研究生期间的每一节专业课都收获颇丰，对专业课知识有了更深刻更全面的理解，为我以后的学习和工作打下了坚实的基础。

　　教研室是我在研究生期间待的最多的地方，在这里我遇到了跟我志同道合的伙伴们，三年间是你们让我的生活不仅只有科研。对我影响最大的要属我的师兄师姐们，感谢师兄、师姐在我生活上与科研上的帮助，你们每一位都是我学习的榜样。感谢与我同级的杨松楠、覃珊珊、孙宝康，研究生期间我们一起学习，一起参加比赛的时光是我最美好的记忆。感谢教研室中每一位师弟师妹，很幸运在可以教研室遇见你们。感谢我的舍友张鑫与邓超，三年的相互陪伴让我的研究生生活曾未感到过孤独。不仅于此，我还要感谢我遇到的每一位同学，祝愿我们前程似锦。

　　最后，感谢我的家人和我的女朋友。家人的支持让我可以无后顾之忧的度过我的研究生生涯，你们在我的身后，给我支持与鼓励，让我时刻感受到家人的温暖。感谢我的女友，在我每次遇到困难，都是你在我身边，陪我一起面对，让我勇往直前，是你的付出与陪伴，让我顺利完成我的论文。

　　如今我即将离开校园步入新的篇章，在这里的学习生活为我以后步入社会提供了巨大的帮助。祖国荣誉责任的校训将永远铭记于心，祝愿我的母校能够越来越辉煌，我的老师们工作顺利，我的同学们在自己的理想道路上能够披荆斩棘。

　　够越来越辉煌，我的老

　　师们工作顺利，我的同学们在自己的理想道路上能够披荆斩棘。

　　参考文献

　　[1] 张建业。新时代中国加快推进海洋安全战略思考[J].南方论刊，2020（09）：19-21.

　　[2] 崔晓菁。中国海洋资源开发现状与海洋综合管理策略[J].管理观察，2019,17:63-64.

　　[3] 韩增林，岑贝，刘旭。海洋强国战略下提升中国海洋软实力对策研究[J].海洋经济， 2020,05:16-26.

　　[4] 蔡敬伟，屠佳樱。我国发展海洋资源开发装备的机遇和挑战[J].中国船检，2018,09:68-71.

　　[5] 孙玉山，冉祥瑞，张国成，等。智能水下机器人路径规划研究现状与展望[J].哈尔滨工程大学学报，2020,08:1111-1116.

　　[6] 雷歌。水下作业型机械手的关键技术及发展趋势研究[J].科技创新与应用，2018,14:129-130.

　　[7] 常宗瑜，张扬，郑方圆，等。水下机器人-机械手系统研究进展：结构建模与控制[J].机械工程学报，2020,56（19）：53-69.

　　[8] 胡志强，林扬，谷海。水下机器人粘性类水动力数值计算方法研究[J].机器人，2007,02:145-150.

　　[9] Soylu S, Buckham J, Podhorodeski R. Redundancy resolution for underwater mobilemanipulators[J]. Ocean Engineering, 2010, 2: 325-343.

　　[10]Satja S, Joseph C, Edin O, et al. Underwater manipulators:A review[J]. Ocean Engi-neering, 2018, 431-450.

　　[11]Roberts, Shedd W, Hunt J. Dive site geology:DSV ALVIN（2006） and ROV JASONII（2007） pes to the middle-lower continental slope, northern Gulf of Mexico[J]. D -eepSea Research Part II, 2010, 21-23: 1837-1858.

　　[12]Okutani T, Fujikura K. Abyssal gastropods and bivalves collected by Shink-ai 6500on slope of the Japan Trench[J]. Venus Journal of the Malacological Society of Jap-an, 2002, 211-224.

　　[13]晏勇，马培荪，王道炎，等。深海 ROV 及其作业系统综述[J].机器人，2005,01:82-89.

　　[14]Soltwedel T, Klages M. French ROV Victor 6000 first deploymentfrom Polarstern[J].Sea Technology, 2000, 4: 51-53.

　　[15]Porion P, Fauge?Re A, Delville A. 1H and 7Li NMR Pulsed Gradient Spin Echo M-easurements and Multiscale Modeling of the Water and Ionic Mobility within Aque-ous Dispersions of Charged Anisotropic Nanoparticles[J]. The Journal of Physical C-hemistry C, 2008, 112（31）： 11893-11900.

　　[16]García-Comas, López-Puertas, Funke, et al. Analysis of Titan CH4 3.3 μm upper at -mospheric emission as measured by Cassini/VIMS[J]. Icarus, 2011, 214（2）： 571-583.

　　[17]Terborgh, Lopez, Nunez, et al. Ecological meltdown in predator-free forest fragments[J]. SCIENCE, 2001, 294（5548）： 1923-1926.

　　[18]Wong K. ECA Robotics pursues UAV/UGV integration[J]. Janes International Defen-se Review, 2014, 47（9）： 24-24.

　　[19]朱宝星，于复生，梁为。水下机器人结构形式及其发展趋势分析[J].船舶工程，2020,42（02）：1-7.

　　[20]任忠涛，王业山，李增辉。小型水下机器人的研究发展及其应用现状[J].新型工业化，2019,9（10）：36-40.

　　[21]梁一，朱益民，魏延辉。六自由度水下机械臂系统设计及试验[J].制造业自动化，2020,42（03）：68-74.

　　[22]邹晨洋。水下焊接机器人内载多关节机械臂设计与分析[D].哈尔滨工业大学，2019.

　　[23]陈言壮，张奇峰，田启岩。水下多指手研究现状[J].机器人，2020,42（06）：749-768.

　　[24]ZHANG Minglu, LIU Xiaoyu, TIAN Ying. Modeling analysis and simulation of vis-cous hydrodynamic model of single-dof manipulator[J]. Journal of Marine Science a -nd Engineering 2019, 7（8）： 261.

　　[25]SHEN L,CHAN E,LIN P. Calculation of hydrodynamic forces acting on a submerge-d moving object using immersed boundary method[J]. Computers and Fluids, 2009,38（3）： 691-702.

　　[26]Chae J, Yeu T, Lee Y, et al. Trajectory Tracking Performance Analysis of Underwat-er Manipulator for Autonomous Manipulation[J]. Journal of Ocean Engineering andTechnology, 2020, 34（3）： 180-193.

　　[27]王华，孟庆鑫，王立权。基于切片理论的水下灵巧手手指动力学分析[J].机器人，2007（02）：160-166.

　　[28]肖治琥。深水机械手动力学特性及自主作研究[D].湖北：华中科技大学，2011.

　　[29]STATJA S, JOSEPH C, EDIN O, et al. Underwater Manipulator: A review[J]. Oce-an Engineering, 2018, 163: 431-450.

　　[30][Smith J, Yu R, Sarafis I, et al. Computer vision control of an underwater manipula-tor[C], Oceans. IEEE, 1994.

　　[31]Sarfraz M, Rehman F, Shah I. Robust stabilizing control of non-holonomic systemswith uncertainties via adaptive integral sliding mode: An underwater vehicle example[J]. International Journal of Advanced Robotics System, 2017. 14 （5）： 1-11.

　　[32]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，2012.

　　[33]Xu B, Pandian S, Petry F, et al. A fuzzy controller for underwater vehicle manipula-tor systems[C], Oceans. IEEE Xplore, 2005: 1-6.

　　[34]Qiao H, Liceaga J. Modelling and control of a marine robot arm[C], [1991] Proceedings of the 30th IEEE Conference on Decision and Control. IEEE, 2002.

　　[35]Vinoth V, Santhakumar M, Kim J. Disturbance observer based terminal sliding modecontrol of an underwater manipulator[C], International Conference on Control Auto-mation Robotics & Vision. IEEE, 2015.

　　[36]Lee, Minho, Choi, et al. A Robust Neural Controller for Underwater Robot Manipul-ators.[J]. IEEE Transactions on Neural Networks, 2000.

　　[37]董永飞。水下机械臂动力学分析与轨迹跟踪滑模控制[D].辽宁：大连理工大学，2018.

　　[38]李小岗，王红都，黎明，等。水下机器人-机械臂系统的滑模自抗扰控制[J].海洋科学，2020,44（09）：130-138.

　　[39]樊智敏，哈振骞，薛福峰，等。水下机械臂运动空间分析与轨迹跟踪算法优化[J].机械与电子，2020,38（06）：67-73.

　　[40]李晓晨，刘子杨，李德远，等。六自由度水下机械手臂的设计与研究[J].液压与气动，2014（01）：10-12.

　　[41]谭民，徐德，侯增广。先进机器人控制[M].北京：高等教育出版社，2007,79-81,236.

　　[42]赖锡煌，殷际英，高勇。多关节机器人运动学和动力学分析[J].机械工程师，2005（06）：34-35.

　　[43]康嘉瑞，樊留群。基于 MATLAB 的机器人逆运动学研究[J].佳木斯大学学报（自然科学版），2010,28（06）：824-826.

　　[44]高艺，马国庆，于正林，等。一种六自由度工业机器人运动学分析及三维可视化仿真[J].中国机械工程，2016,27（13）：1726-1731.

　　[45]徐振邦，赵智远，贺帅。机器人工作空间求解的蒙特卡洛法改进和体积求取[J].光学精密工程，2018,26（11）：2703-2713.

　　[46]邓志刚，朱大奇，方建安。水下机器人动力学模型参数辨识方法综述[J].上海海事大学学报，2014,35（02）：74-80.

　　[47]王永鼎，董亚龙。水下机器人动力学分析与控制系统研究[J].制造业自动化，2018,40（03）：142-145.

　　[48]Hayes D R, Morison J H. Determining Turbulent Vertical Velocity, and Fluxes ofHeat and Salt with an Autonomous Underwater Vehicle[J]. Journal of Atmospheric& Oceanic Technology, 2002, 19（5）： 759.

　　[49]LIN Chenchou, LI Rongche. Experimental determination of the hydrodynamic coeffic-ients of an underwater manipulator[J]. Journal of Field Robotics, 2015, 16（6）： 329-338.

　　[50]梁一，朱益民，魏延辉，等。六自由度水下机械臂系统设计及试验[J].制造业自动化，2020,42（03）：68-74.

　　[51]田宏奇。滑模控制理论及其应用[M].湖北：武汉出版社，1995.

　　[52]周志华，陈世福。神经网络集成[J].计算机学报，2002,25（01）。

　　[53]Fateh M, Khorashadizadeh S, Ahmadi S. Adaptive RBF network control for robotmanipulators[J]. Journal of Artificial Intelligence and Data Mining, 2014, 2（2）： 159-166.

　　[54]黄华，李光，刘领化，等。基于趋近律的机械臂滑模控制方法研究[J].湖南工业大学学报，2013,27（01）：62-66.

　　[55]刘晶，普杰信，牛新月。基于神经网络滑模的机械臂轨迹跟踪控制方法[J].计算机工程与设计，2019,40（07）：1934-1938.

　　[56]Yu W, Wang S, Wei Q, et al. Development of an Underwater Manipulator and ItsFree-Floating Autonomous Operation[J]. IEEE Transaction on Mechatronics, 2016, 21（2）： 815-824.

　　[57]Meng S, Liang Y, Shi H. The Motion Planning of a Six DOF Manipulator Basedon ROS Platform[J]. Journal of Shanghai Jiaotong University, 2016, 50: 94-97.

　　[58]李凤。基于 ROS 的机械臂控制系统设计[J].自动化技术与应用，2018,37（11）：72-76.

　　[59]王莹。Xilinx 可扩展处理平台：ZYNQ 嵌入式处理器与 FPGA 集成的独特创举[J].电子产品世界，2012,19（02）：27-32.

　　[60]Zhai X, Ait-Si-Ali A, Amira A, et al. MLP Neural Network Based Gas Classification System on Zynq SoC[J]. IEEE Access, 2017, 4（99）： 8138-8146.

　　[61]吴利生。基于 ARM Cortex-A9 MPCore 嵌入式多核操作系统内核研究与实现[J].数字技术与应用，2020,38（03）：134-135.

（如您需要查看本篇毕业设计全文，请您联系客服索取）