24小時論文定制熱線
<table id="0tlih"></table>
24小時論文定制熱線
摘要
水下機械臂是廣泛使用的水下裝置，但水下環境復雜，水流的沖擊與干擾增加了水下機械臂的控制難度，因此研究高性能的運動控制系統對水下機械臂的設計研究有著重要意義。本文基于RSM水下機械臂，開展了關于水下機械臂運動學與動力學建模、運動控制方法與控制系統集成的研究。
使用D-H表示法建立了水下機械臂的正運動學方程，在此基礎上運用代數求解法進行了逆運動學求解與分析。在Matlab仿真環境中，結合運動學方程與蒙特卡洛法求解出水下機械臂的運動空間。
對水下機械臂在水環境中的受力情況進行了分析，求解了水下機械臂在水環境中受到的水作用力，在Lagrange 動力學方程的基礎上，建立了水下機械臂在水環境中的動力學模型。通過動力學仿真實驗，分析了水作用力對水下機械臂運動的影響。
針對水下機械臂的運動控制，提出了一種基于動力學模型分塊逼近的RBF （RadialBasis Function）神經網絡滑�？刂品椒�。該方法在滑�？刂频幕A上，使用了五個RBF神經網絡逼近水下機械臂的名義模型參數，并將控制律中的符號函數替換為飽和函數。經仿真實驗驗證，該方法可以快速補償計算模型與實際模型的誤差，并減弱了控制系統的抖振效應，從而提升水下機械臂控制的響應速度與穩態精度。
利用ROS的分布式特性，設計了遠程PC與嵌入式系統協同工作的水下機械臂控制系統。在Zynq-7020硬件平臺中完成了硬件接口電路的設計與ROS操作系統的部署：在ROS軟件框架下完成運動控制、運動規劃功能模塊的設計。搭建了實驗平臺，進行了R5M水下機械臂控制實驗。
關鍵詞：水下機械臂：動力學建模： RBF 神經網絡滑�？刂疲� 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 錄
1 緒論
1.1 課題的研究背景與意義
全面開發與利用海洋是沿海國家的重要發展戰略[1].我國海洋國土面積與海岸線長度均居世界前列，因此在開發利用海洋的資源條件上，我國具有得天獨厚的優勢。海洋不僅能為人類提供水產資源，其中更含有大量的自然資源。相關數據顯示，我國海域中已探明的石油含量超過兩百億噸，天然氣含量超過了十萬億立方米[2].相較于發達國家，我的海洋經濟發展仍處于落后水平，加快海洋開發，合理利用、開發監測海洋資源對我國的可持續性發展具有重大意義[3].
海洋資源豐富，但開發難度大。海水環境由于可見度、水溫與水壓等因素，都不適合人類長時間停留，需要專用的水下設備進行協助開發[4].《海洋工程裝備產業創新發展戰略（2011-2020）》指出為了更好的推進海洋資源的開發利用，我國應投入更多的人力與財力，加快新型海洋裝備的研發速度。研究先進的水下裝備和技術已經成為我國重點發展的科技戰略。
由于水下機器人可以幫助人類潛入深海進行水下作業，目前被廣泛應用于海洋資源的開發[5].近半個世紀以來，各個國家在開發海洋資源過程中大力發展水下機器人技術，水下機械臂具有輕盈，靈活的特點，成為最適合完成水下任務的裝備，極大的增加了水下機器人的功能性與靈活性。水下機械臂可以廣泛應用于海上石油天然氣的勘探與采樣、可再生能源工程以及在海洋科學領域與軍事領域中的各類水下作業任務之中，因此對水下機械臂的進行研究不僅對海洋開發利用具有重要意義，也在很大程度上反映了一個國家的海洋科學技術水平[6].
水下機械臂的研究綜合了多類學科，包含機械結構設計，模式識別與智能控制等，還需結合水下密封技術、計算機技術、傳感器融合等多種技術。水下機械臂的靈活性與控制精度是重要的性能指標，研究高精度、高性能、高抗擾的水下機械臂是未來的發展方向[7].
與發達國家相比，我國當前對于水下機械臂的研究大多仍處于實驗室階段，具有控制精度不足，作業效率低等問題，仍有待繼續深入研究。不同于陸上環境，水下機械臂在進行水下作業會受到水作用力的干擾，增加了控制的難度，只有研究高性能的運動控制方法才能解決上述問題，對水下機械臂的研究十分重要[8].
國內學者對水下機械臂的控制方法進行了大量研究，雖取得一些成果，但在控制響應速度與控制精度方面仍有待提高。水下機械臂的控制系統是水下機械臂的重要組成部分，但我國對水下機械臂的研究多集中與控制方法的研究，對水下機械臂控制系統的集成尚未進行深入研究。針對上述問題，本文對水下機械臂的運動控制方法與控制系統集成進行了研究，有助于水下機械臂技術的研究與發展。
1.2 水下機械臂研究現狀
1.2.1 國外水下機械臂研究
西方國家較早開始對海洋的探索，在發展水下設備的過程中開展了水下機械臂的研究，經歷了 50 多年的發展，技術相對成熟[9].水下機械臂作為水下機器人最合適的作業工具，得到了廣泛的應用。水下機器人一般在航行器的前端與底部搭載一個或多個水下機械臂，依靠人工遠程遙控的方式完成水下作業任務。當前水下作業中所使用的機械臂大多采取了擬人手臂化的外觀設計，由一系列剛體與末端夾持器組成，內部構造也大體一致，主要區別在驅動單元數量、驅動方式、負載能力及作業半徑等方面。
美國是最早開展水下機器人與水下機械臂技術研究的國家，也擁有最先進的技術[10].
美國 Woods Hole 海洋研究所研制了世界上第一款可投入使用的水下機械臂，裝載于 Alvin號水下載人航行器上，用于執行深�？碧降瓤蒲腥蝿�，如圖 1-1 與圖 1-2 所示。該水下機械臂由七個功能關節組成，最大伸展長度為 1.75m,采用了液壓驅動的方式，可以提供超過 100kg 的抓取重量與 40 的抓持力矩[11].
Alvin 號成功完成了多次深�？蒲腥蝿�，證明了水下機械臂在深海作業中的應用價值，也讓更多的國家開始研究水下機器人與水下機械臂技術。日本也是較早展開水下機器人和水下機械臂的研究的國家之一，其自 1970 開始對水下機械臂展開了相關的研究，截至目前開發了眾多水下機械臂產品并投入到使用中。日本最早研發的一款水下機械臂安裝于海洋科學技術中心研發的 Shinkai6500 水下探測器上，如圖 1-3 所示[12].圖 1-4 是同樣由日本海洋科學技術中心研發的 Hyper-Dolphin 號 ROV,裝配兩臺七功能水下機械臂[13].
英國、法國與德國在水下機械臂的相關領域也有深入的研究，三國的相關研究部門共同研制了 Victor6000 號水下機器人，如圖 1-5 所示。Victor6000 號可以下潛至 6 千米深的海底進行科考研究，裝備了一個五功能水下機械臂與一個七功能水下機械臂，兩個水下機械臂可以協同進行水下作業[14].
水下機械臂在科研領域已經得到了廣泛的應用與研究，為完成深�？辈熳鳂I任務，水下機械臂大多設計為七功能結構樣式，且由液壓驅動，提供了更大的伸展長度與負載能力。
隨著水下機械臂技術的不斷完善與應用場景的增多，水下機械臂逐步向商用化方向發展，許多外國公司相繼推出了更多針對不同應用場景的商用水下機械臂。
美國 schilling 公司是著名的水下機器人公司，目前在商用領域廣泛使用的 Orion7P 與Titan4 水下機械臂都是由 schilling 公司進行設計研發。Orion7P 是一款重型七功能液壓水下機械臂，如圖 1-6 所示。Orion7P 重量為 54kg,多自由度的設計可以實現各個方位運動，一般搭載于中型 ROV 上進行水下安裝與勘探任務[15].Titan4 也是一款七功能水下機械臂，如圖 1-7 所示。區別于 Orion7P,Titan4 的重量更高，達到 100kg,專為重型 ROV 搭載設計，采用液壓驅動方式，可以抓取搬運 400kg 重量以內的物體[16].
Predator 同樣是一款重型液壓水下機械臂，如圖 1-8 所示，由美國 Kraft 科技公司進 行設計生產。Predator 的重量高達 80kg,可以在 6500 米深水中執行作業任務，整體包含六個旋轉自由度及一個多功能機械爪，最大伸展距離達到 2m[17].Predator 結構設計合理，工作精度高，穩定性好，功能完備，是目前功能最為齊全的重型商用水下機械臂。
公司開始研發針對輕型 ROV 與 AUV 搭載使用的商用水下機械臂。英國科技公司Hydro-lek 科技公司設計了多款專為小型 ROV 搭載的水下機械臂，HLK-4000-5 是一款五功能的水下機械臂，如圖 1-9 所示，HLK-4200-4 是一款四功能水下機械臂，如圖 1-10 所 示。兩款水下機械臂在結構設計上均采用鏤空設計，犧牲了機械臂的強度與載重能力，減輕水下機械臂的重量，使重量均小于 20kg.兩款水下機械臂都采用了液壓驅動的方式，適用于輕型 ROV 搭載，可以在 2000 米水深內進行作業。
液壓驅動的水下機械臂可以提供較大的負載能力，但是質量普遍過重，還存在精度不足的問題。隨著電機技術的發展，電機在機械臂的設計中得到了廣泛的應用。電機具有響應速度快、質量輕、運動精度高的特性，可以代替液壓驅動單元，提高水下機械臂各關節的響應速度與精度，水下機械臂逐步向電機驅動的方向發展。目前已經有了部分款式的商用水下機械臂采用了電驅方式，如法國的 ECA 科技公司研發了一款七功能的電驅水下機械臂 robotics 7E,如圖 1-11 所示。Robotics 7E 可以搭載于輕型 ROV 與 AUV,完成 300m水深以內的工程作業任務[18].
隨著對水下機械臂工作效率及功能性的要求不斷提高，模塊化、輕量化、高精度是水下機械臂未來的方向發展。圖 1-12 展示的是一款模塊化電驅水下機械臂，是意大利 GraalTech SRL 科技公司為 TRIDEN 項目進行設計研發的智能水下機械臂，這款水下機械臂的特點在于其采用了模塊化設計，每一個單元都有可互相兼容的各類通信接口，可以按照用戶的具體需求進行定制，無需專門的設計，但是也存在一定的缺點，如穩定性與負載能力較弱。
1.2.2 國內水下機械臂研究
我國自 1980 年起開始對水下機器人和水下機械臂進行研究，相較于發達國家而言，國內該方面研究起步較晚，缺乏技術的積累，具有較大的差距。目前我國水下機械臂的研究大多處于實驗室科研階段，缺乏商用水下機械臂產品，在海洋探索研究等領域所使用的水下機械臂依舊依賴于進口產品。
蔣新松院士是我國在水下機器人與水下機械臂相關領域著名的研究學者，帶頭開展了一系列水下機器人技術攻關任務。圖 1-13 中展示的"海人一號"水下機器人，是我國最早的 ROV 水下機器人，由沈陽自動化研究在 1985 年研制，其前端安裝了一臺五功能水下機械臂，采用了液壓驅動的方式，是我國最早應用的水下機械臂[19].1995 年我國與俄羅斯共同研發設計了自治水下機器人"CR-01"如圖 1-14 所示，"CR-01"上搭載了一款開關式水下機械臂，該水下機械臂的整體作業能力不足，使用效率低下，沒有進行后續研究[20].2005 年沈陽自動化研究所最早開展了關于電動水下機械臂的研究，設計了一款三功能電動水下機械臂，包含了大臂關節、肘關節與末端機械臂爪。
除了沈陽自動化研究所，近年來我國眾多科研院校也積極參與水下機器人與水下機械臂的研究，華中科技大學是我國早期開始研究水下機械臂的院校單位，截至目前共研發了十余款水下機械臂。"魚鷹Ⅰ號"水下機械臂是華中科技大學早期研發的水下機械臂，如圖 1-15 所示，用于水下打撈采樣等作業任務。圖 1-16 是華中科技大學研發的"華海-4E"水下機械臂，該機械臂為四功能水下機械臂，采用了電驅設計，為提升耐壓性，"華海-4E"采用了油壓密封的方式，可以承受水深 3500 內水壓。
我國其他高校也開展了多項水下機械臂的科研項目，并提出了多種電驅水下機械臂的設計方案。2018 年哈爾濱工程大學提出了一種六自由度的電動水下機械設計方案，如圖 1-17 所示。該水下機械臂整體采用鋁合金材料設計，使用水下電機與諧波減速器作為機械臂的動力單元，使用密封圈進行防水處理。該水下機械臂可以完成 300m 水深內的作業任務，無法在深水中使用。目前該機械臂已完成樣機設計，仍處于實驗研究階段[21].
2019 年哈爾濱工業大學的科研團隊針對水下維修等應用場景，設計了一款可以搭載于ROV 的水下專用焊接機械臂，如圖 1-18 所展示[22].該款水下機械臂使用用舵機作為機械臂的動力單元，選用了五功能的外觀結構設計方案，末端搭載了焊接噴口，用于完成水下焊接作業任務。
根據水下機械臂的國內外發展研究現狀可以看出，相比于國外水下機械臂的發展，目前我國仍有差距，需要對相關技術繼續進行深入研究。水下機械臂的外觀功能設計基本一致，驅動單元通常采用電機或液壓的驅動方式。對兩種驅動方式進行對比發現，電機驅動的水下機械臂在使用過程中響應速度更快、坐標定位更為準確、成本相對較低且適用于更多場景。因此，電機驅動方案優化及其相關控制技術研究成為未來的發展趨勢。
1.3 水下機械臂控制技術國內外研究現狀
1.3.1 水下機械臂動力學建模研究現狀
區別于陸用機械臂，水下機械臂的工作環境復雜，會受到水流的沖擊力與多種難以預測的外部干擾，增加了水下機械臂的控制難度。建立準確的水下機械臂動力學模型是設計水下控制器的基礎，對水下機械臂動力學建模進行相關研究具有重要意義[23].
傳統機械臂動力學建模方法已經較為成熟，目前學者對水下機械臂動力學相關的研究多針對于水下機械臂的水動力學分析。McLain 和 Rock 研究了單關節水下機械臂在水中運動情況，得出水動力會對水下機械臂的運動產生明顯影響，通過將水動力前饋補償給控制器，可以提升水下機械臂的控制性能[24].SHEN L 提出了使用斯托克斯計算不規則物體水動力模型的方法，但是該方法求解過程復雜不利于推廣至多關節機械臂[25].Tarn 和Yang 在進行 AUV 機器人水下動力學模型的研究中，將水動力分解為附加質量力、水阻力與浮力，該方法適用于推導多關節機械臂水下動力學模型，但是該方法未考慮水下機械臂的耦合作用力[26].王華等人在進行水下機器人的研究中，提出了一種基于切片理論的動學模型建立方法，使用積分計算的方式得出了水下機械臂的水阻力與附加質量力[27].肖治琥對華中科技大學研發的四功能深水機械臂動力學特性進行了相關研究，計算了附加質量力、浮力、水阻力與水流沖擊力，且針對這些力對水下機械臂運動的影響運用仿真進行分析，得出浮力對水下機械臂運動造成的干擾最大，其他水作用力的干擾較小[28].
1.3.2 水下機械臂運動控制方法研究現狀
水下機械臂的控制方法決定了水下機械臂的控制精度，水下機械臂是一種典型的多輸入多輸出非線性控制系統，控制難度高，為了實現水下機械臂的精準控制，研究學者進行了大量的相關研究。
針對此水下機械臂的控制，有兩條技術路線，前者為分散控制，是將水下機械臂看作由多個獨立系統組成的機械系統，忽略關節間的耦合作用，對關節進行單獨控制；后者為集中控制，是將水下機械臂看作一個整體，設計控制器需要考慮各關節的動態耦合作用[29].
PID 控制是典型的分散控制方法，Smith 等于 1994 年最先將 PID 控制應用于水下機械臂控制器設計之中，通過仿真模型驗證了該方法的有效性[30].Dunnigan 等在整體 PID算法的基礎上，提出了一種關節自整定自適應的 PID 控制方法，該方法為水下機械臂的每一個關節設定獨立的 PID 增益，提升了水下機械臂的控制效果。為了解決固定增益 PID控制的缺陷，霍等提出了一種可變增益的 PI 控制算法，該算法可以在水下機械臂控制的過程中，根據外部條件自動調整控制器增益，提升了水下機械臂的抗干擾性能[31].彭生全等將速度 PI 控制器與位置 PD 控制器相結合，提出了一種針對水下機械臂控制系統的雙環 PID 控制方法，仿真結果顯示這種結合下控制器其控制性能優于傳統的控制器[32].Xu等提出了一種使用模糊邏輯理論進行 PID 增益調整的控制方法，通過兩種方法的結合優化 PID 控制，提升了水下機械臂的控制效果[33].
PID 控制可以實現水下機械臂的控制，但是難以進一步消除模型誤差與外部干擾帶來的控制誤差，大多數學者轉而開始研究水下機械臂的非線性集中控制，通過消除水下機械臂的動力學模型中非線性參數的影響，提高水下機械臂的控制性能。Liceaga-Castro 等利用 Morison 方程計算出水下機械臂動力學模型中的流體力學效應，提出了一種非線性模型匹配控制器[34].Fossen 等學者利用牛頓-歐拉方程對水下機械臂的動力學模型進行了迭代計算，在計算過程中將系統轉化為線性化系統，在基于此提出了一種逆動力學控制方法，然而，該方法對于參數的變化以及外部的干擾較為敏感，魯棒性相對較弱�；？刂剖且环N不依賴精準模型且抗干擾性強的控制方法，為了增強水下機械臂控制器的抗干擾能力與魯棒性，滑�？刂品椒ū粦糜谒聶C械臂的控制器設計之中。Venkatesan 等提出了一種改進的滑�？刂品桨�，該方案利用擾動觀測器來處理控制系統的干擾與不確定性，通過觀測器來補償滑�？刂�，通過仿真驗證提高了水下機械臂的控制精度[35].CHEN 等人將模糊控制方法引入滑�？刂破�，利用模糊邏輯設計控制系統的前饋補償，用于消除動力學模型中的不確定干擾項，提出了自適應滑�？刂品椒�，經仿真實現了水下機械臂的控制，該方法具有魯棒性好，但控制的實時性不足。Lee 等提出了一種將滑�？刂破髋c多層神經網絡相結合的控制方法，使用神經網絡作為控制模型的補償輸入，提高控制模型的實時控制性能[36].董永飛等使用徑向基網絡可以逼近任意函數的特性，逼近水下機械臂的動力學模型對控制器進行前饋補償，這在一定程度上提升了水下機械臂控制器的響應速度及精準度[37].
根據水下機械臂控制相關技術的研究現狀可以看出，國內外學者對水下機械臂進行了大量的研究，在水下機械臂動力學建模研究方面，主要使用傳統水動力學計算方法求解水下機械臂的在水環境中所受到的水動力矩，結合傳統動力學建模方法獲得水下機械臂在工作時的動力學模型。從相關研究中可以看出提高水下機械臂的動力學建模精度是目前主要的研究方向，高精度的動力學模型也是設計高性能水下機械臂控制器的前提；在水下機械臂控制方法研究方面，有以 PID 控制方法為主的分散控制與以滑�？刂茷橹鞯募锌刂苾煞N控制器設計策略。集中控制策略可以更好的克服控制系統的外部干擾與水下機械臂各關節間的耦合作用力，得到了廣泛的應用。目前在水下機械臂運動控制方法的研究中，以滑�？刂扑惴榛A，結合模糊控制、神經網絡等先進控制方法提升水下機械臂的抗干擾能力與控制的精確度是主要的研究方向。
1.4 本文主要研究內容
復雜的水下環境會增加水下機械臂的控制難度，研究高性能的運動控制方法與控制系統對提高水下機械臂的運動控制性能有著重要的意義。本文基于 R5M 水下機械臂，開展了關于對水下機械臂的運動學與動力學建模、運動控制方法與控制系統集成四個方面的研究，研究路線如圖 1-19 所示。
第一章：緒論。本章介紹了課題的研究背景與意義，闡述了水下機械臂的發展與運動控制相關技術的研究現狀。
第二章：水下機械臂運動學分析。本章推導了水下機械臂的正運動學方程，運用代數求解法進行了逆運動學求解與分析，得到了水下機械臂的運動學模型�；诿商乜咫S機抽樣原理，求解了 R5M 水下機械臂的運動空間。
第三章：水下機械臂動力學分析。本章首先通過 Solidworks 軟件對 R5M 水下機械臂進行三維建模，獲取了各關節連桿的質心坐標與慣性張量參數。分析與計算了機械臂在水環境中受到的水作用力，在 Lagrange 動力學的基礎上，得到了水下機械臂在水環境中運行時的動力學模型。通過動力學仿真實驗，分析了水作用力對機械臂運動的影響。
第四章：水下機械臂的運動控制方法研究。提出了一種水下機械臂運動控制方法，該方法使用了五個 RBF 神經網絡，補償動力學模型與實際模型的誤差，并使用飽和函數改進了傳統滑�？刂祈�。使用 Lyapunov 穩定性理論判定了控制系統的穩定性，并通過仿真結果驗證該控制方法可以有效提升水下機械臂控制的響應時間與穩態精度。
第五章：水下機械臂控制系統研究。本章以 R5M 水下機械臂為控制對象，提出了一種水下機械臂控制系統的設計方案。首先對控制系統的結構進行了介紹，其次使用 Zynq-7020 全可編程硬件平臺搭建水下機械臂控制系統的硬件框架，使用 ROS 機器人操作系統搭建水下機械臂控制系統的軟件框架。通過實驗平臺，測試了控制系統的功能。
第六章：總結與展望�？偨Y了全文研究內容，提出下一步研究的工作。
2 水下機械臂運動學分析
2.1 引言
2.2 D-H 表示法
2.3 水下機械臂運動學分析
2.3.1 R5M 水下機械臂
2.3.2 水下機械臂正運動學分析
2.3.3 水下機械臂逆運動學分析
2.4 水下機械臂運動學仿真
2.5 本章小結
3 水下機械臂動力學分析
3.1 引言
3.2 水下機械臂動力學分析
3.2.1 水下機械臂動力學參數求解
3.2.2 Lagrange 動力學建模
3.2.3 水下機械臂動力學建模
3.3 水下機械臂動力學仿真
3.4 本章小結
4 水下機械臂運動控制方法研究
4.1 引言
4.2 控制方法原理簡述
4.2.1 滑模變結構控制方法
4.2.2 RBF 神經網絡控制方法
4.3 控制器設計
4.3.1 控制律設計
4.3.2 穩定性分析
4.4 水下機械臂仿真控制實驗及分析
4.4.1 仿真實驗參數設置
4.4.2 仿真結果分析
4.5 本章小結
5 水下機械臂控制系統研究
5.1 引言
5.2 控制系統軟硬件平臺簡介
5.2.1 ROS 機器人操作系統簡介
5.2.2 Zynq-7020 硬件平臺簡介
5.3 水下機械臂控制系統總體設計方案
5.4 水下機械臂控制系統硬件功能設計
5.4.1 水下機械臂控制器硬件結構
5.4.2 串口通信 IP 核設計
5.4.3 圖像采集 IP 核設計
5.4.4 嵌入式系統部署
5.5 水下機械臂控制系統軟件功能設計
5.5.1 水下機械臂 URDF 模型設計
5.5.2 水下機械臂 MoveIt!功能包配置
5.5.3 水下機械臂 ROS 控制器配置
5.6 水下機械臂控制實驗
5.7 本章小結
6 總結與展望
6.1 總結
為了更好的推進我國海洋資源的開發利用，研究先進的水下裝備和技術已經成為當 前我國重點發展的科技戰略。水下機械臂是最廣泛使用的水下裝備，與陸用機械臂不同，水下機械臂在運行時會受到水流的沖擊與干擾，增加了控制的難度，所以研究高精度、高穩定性的控制方法與控制系統對提升水下機械臂的控制性能有重要的意義。故本文以 R5M 水下機械臂為研究對象，對水下機械臂的運動學、動力學建模、運動控制方法與控制系統的集成展開了研究。研究工作總結如下：
�。�1）研究了水下機械臂的運動學建模過程，首先使用 D-H 表示法為 R5M 水下機械臂的各個運動關節建立坐標系，得到了各關節連桿的 D-H 參數，通過求解相鄰關節坐標系的齊次轉換矩陣，推導了水下機械臂的基坐標系到末端坐標系的正運動學轉換矩陣，建立了正運動學方程。然后在求得正運動學方程基礎上，通過代數求解法進行了逆運動學計算與分析，得到了水下機械臂的逆運動方程。最后在 Matlab 仿真環境中，設計了運動學仿真實驗，根據蒙特卡洛法，在機械臂關節的活動范圍進行隨機抽樣，再根據運動學方程得到了 R5M 水下機械臂的運動空間。
�。�2）研究了水下機械臂的動力學建模過程，首先使用 Solidworks 軟件建立了 R5M 水下機械臂的三維模型，獲取了機械臂各連桿的質量、質心、旋轉慣量參數，再根據 Lagrange方程得到了 R5M 水下機械臂的 Lagrange 動力學方程。然后分析了水下機械臂在水環境中運行時各連桿的受力情況，結合了 Morison 方程與切片理論求解出了機械臂各關節受到的水阻力據，附加質量力矩與浮力力矩，在 Lagrange 動力學方程的基礎上，得到了水下機械臂在水環境中的動力學模型。最后在 Matlab 仿真環境中，設計了動力學仿真實驗，證明了水作用力對機械臂的運動存在明顯的影響，需要在設計控制器時對水作用力進行補償。（3）研究了水下機械臂的運動控制方法，首先對滑�？刂�、神經網絡控制的原理進行了分析與介紹。然后針對水下機械臂動力學模型中不確定參數項多，運行過程中會受到多種不確定干擾的問題，提出了一種水下機械臂運動控制方法。該方法使用多個 RBF 神經網絡，對動力學模型中的各項不確定參數進行分塊逼近，用于補償動力學模型與實際模型的誤差，并在滑�？刂祈椫惺褂蔑柡秃瘮荡娣柡瘮�。最后通過 Lyapunov 穩定性分析理論判定了控制系統的穩定性，并在 Matlab 仿真環境中設計了仿真控制實驗，證明了該方法的有效性。 （4）研究了水下機械臂控制系統的集成，首先參考了水下機械臂的實際應用場景，基于 ROS 機器人操作系統的分布式特性，設計了遠程控制 PC 與嵌入式系統協同控制的水下機械臂控制系統，該方案可以滿足水下機械臂控制系統對實時性、功能性與計算能力的需求。然后在 Zynq-7020 硬件平臺中，利用 PL 端的 FPGA 特性設計了水下機械臂控制器的通信接口與圖像傳感器的硬件 IP 核，利用 PS 端的嵌入式特性部署了 ROS 機器人操作系統；在 ROS 軟件平臺中，利用內置功能函數與安裝包完成了運動控制的運動規劃模塊的設計。最后搭建了實驗平臺，進行了 R5M 水下機械臂控制實驗，測試了控制系統的功能，驗證了控制系統設計的合理性。
6.2 展望
本文的對水下機械臂的運動控制與控制系統的研究取得了一定的成果，但受限于一些因素，仍有許多不足之處，需要在以下幾個方面繼續進行深入的研究。
�。�1）本文在對水下機械臂動力學建模的研究中，在使用 Morison 方程與切片理論計算水作用力的過程中時，為簡化計算，對水下機械臂的模型采取了簡化操作，水阻力系數與附加值質量系數使用了經驗值，故計算得到的水下機械臂的動力學模型會存在較大的誤差。如何建立精確的水下機械臂動力學模型，是在后續研究中需要解決的問題。
�。�2）本文在對水下機械臂控制方法性能進行驗證時，只做了角度跟蹤仿真控制實驗，對控制器的性能驗證不夠全面，在后續的研究中，可以進行更多仿真測試，并對控制方法進行進一步的改進，從而提升控制器的控制效果。
�。�3）本文在水下機械臂的控制系統的搭建中，通過 ros_control 設計了機械臂的關節控制器，在后續的研究中，可以將本文提出的運動控制算法移植至 Zynq-7020 硬件平臺，利用 Zynq-7020 平臺 PL 端中的 FPGA 實現硬件加速功能，實現軟硬件協同控制，提升水下機械臂的控制效果。
致謝
碩士論文的完成也意味著我的研究生生涯將要畫上圓滿的句號，回首這三年的校園生活，留下了太多的回憶。有幸可以作為西安理工大學的學子，三年間我在這里學習，這里成長，感謝這三年間我遇到的每一位老師，每一位同學，是你們讓我有了一段難忘的校園生活，感謝我這三年間一路走來所有幫助過我、關心過我的人，向你們致以我最真誠的謝意。
我要最需要感謝的人是我的導師張曉暉教授，感謝張老師給了我一個機會，讓我可以在理工大開始我的研究生生活。在研究生三年的學習生活中，張老師就像我前進道路上的明燈，在我學習和生活中遇到困難時，總能給出有效的指導建議，讓我在學習和生活中少走彎路。在論文寫作過程中，張老師非常耐心的修改和指導我的論文，讓我及時改正論文的不足。從老師身上，我學習到了嚴謹的工作態度，也學到了更多做人的道理。我還需要感謝另一位老師，劉浩林老師。在研究生期間，劉老師給了我很多的建議，為我答疑解惑，并鼓勵我多參加比賽，鍛煉動手能力，在實踐中成長。此外，我要感謝自動化與信息工程學院的各位任課老師們，是你們對待每一節課，每一位同學認真負責的態度，讓我在研究生期間的每一節專業課都收獲頗豐，對專業課知識有了更深刻更全面的理解，為我以后的學習和工作打下了堅實的基礎。
教研室是我在研究生期間待的最多的地方，在這里我遇到了跟我志同道合的伙伴們，三年間是你們讓我的生活不僅只有科研。對我影響最大的要屬我的師兄師姐們，感謝師兄、師姐在我生活上與科研上的幫助，你們每一位都是我學習的榜樣。感謝與我同級的楊松楠、覃珊珊、孫寶康，研究生期間我們一起學習，一起參加比賽的時光是我最美好的記憶。感謝教研室中每一位師弟師妹，很幸運在可以教研室遇見你們。感謝我的舍友張鑫與鄧超，三年的相互陪伴讓我的研究生生活曾未感到過孤獨。不僅于此，我還要感謝我遇到的每一位同學，祝愿我們前程似錦。
最后，感謝我的家人和我的女朋友。家人的支持讓我可以無后顧之憂的度過我的研究生生涯，你們在我的身后，給我支持與鼓勵，讓我時刻感受到家人的溫暖。感謝我的女友，在我每次遇到困難，都是你在我身邊，陪我一起面對，讓我勇往直前，是你的付出與陪伴，讓我順利完成我的論文。
如今我即將離開校園步入新的篇章，在這里的學習生活為我以后步入社會提供了巨大的幫助。祖國榮譽責任的校訓將永遠銘記于心，祝愿我的母校能夠越來越輝煌，我的老師們工作順利，我的同學們在自己的理想道路上能夠披荊斬棘。
夠越來越輝煌，我的老
師們工作順利，我的同學們在自己的理想道路上能夠披荊斬棘。
參考文獻
[1] 張建業。新時代中國加快推進海洋安全戰略思考[J].南方論刊，2020（09）：19-21.
[2] 崔曉菁。中國海洋資源開發現狀與海洋綜合管理策略[J].管理觀察，2019,17:63-64.
[3] 韓增林，岑貝，劉旭。海洋強國戰略下提升中國海洋軟實力對策研究[J].海洋經濟， 2020,05:16-26.
[4] 蔡敬偉，屠佳櫻。我國發展海洋資源開發裝備的機遇和挑戰[J].中國船檢，2018,09:68-71.
[5] 孫玉山，冉祥瑞，張國成，等。智能水下機器人路徑規劃研究現狀與展望[J].哈爾濱工程大學學報，2020,08:1111-1116.
[6] 雷歌。水下作業型機械手的關鍵技術及發展趨勢研究[J].科技創新與應用，2018,14:129-130.
[7] 常宗瑜，張揚，鄭方圓，等。水下機器人-機械手系統研究進展：結構建模與控制[J].機械工程學報，2020,56（19）：53-69.
[8] 胡志強，林揚，谷海。水下機器人粘性類水動力數值計算方法研究[J].機器人，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，馬培蓀，王道炎，等。深海 ROV 及其作業系統綜述[J].機器人，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]朱寶星，于復生，梁為。水下機器人結構形式及其發展趨勢分析[J].船舶工程，2020,42（02）：1-7.
[20]任忠濤，王業山，李增輝。小型水下機器人的研究發展及其應用現狀[J].新型工業化，2019,9（10）：36-40.
[21]梁一，朱益民，魏延輝。六自由度水下機械臂系統設計及試驗[J].制造業自動化，2020,42（03）：68-74.
[22]鄒晨洋。水下焊接機器人內載多關節機械臂設計與分析[D].哈爾濱工業大學，2019.
[23]陳言壯，張奇峰，田啟巖。水下多指手研究現狀[J].機器人，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]王華，孟慶鑫，王立權�；谇衅碚摰乃蚂`巧手手指動力學分析[J].機器人，2007（02）：160-166.
[28]肖治琥。深水機械手動力學特性及自主作研究[D].湖北：華中科技大學，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。水下機器人-機械手系統運動規劃與控制技術研究[D].哈爾濱：哈爾濱工程大學，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]董永飛。水下機械臂動力學分析與軌跡跟蹤滑�？刂芠D].遼寧：大連理工大學，2018.
[38]李小崗，王紅都，黎明，等。水下機器人-機械臂系統的滑模自抗擾控制[J].海洋科學，2020,44（09）：130-138.
[39]樊智敏，哈振騫，薛福峰，等。水下機械臂運動空間分析與軌跡跟蹤算法優化[J].機械與電子，2020,38（06）：67-73.
[40]李曉晨，劉子楊，李德遠，等。六自由度水下機械手臂的設計與研究[J].液壓與氣動，2014（01）：10-12.
[41]譚民，徐德，侯增廣。先進機器人控制[M].北京：高等教育出版社，2007,79-81,236.
[42]賴錫煌，殷際英，高勇。多關節機器人運動學和動力學分析[J].機械工程師，2005（06）：34-35.
[43]康嘉瑞，樊留群�；� MATLAB 的機器人逆運動學研究[J].佳木斯大學學報（自然科學版），2010,28（06）：824-826.
[44]高藝，馬國慶，于正林，等。一種六自由度工業機器人運動學分析及三維可視化仿真[J].中國機械工程，2016,27（13）：1726-1731.
[45]徐振邦，趙智遠，賀帥。機器人工作空間求解的蒙特卡洛法改進和體積求取[J].光學精密工程，2018,26（11）：2703-2713.
[46]鄧志剛，朱大奇，方建安。水下機器人動力學模型參數辨識方法綜述[J].上海海事大學學報，2014,35（02）：74-80.
[47]王永鼎，董亞龍。水下機器人動力學分析與控制系統研究[J].制造業自動化，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，魏延輝，等。六自由度水下機械臂系統設計及試驗[J].制造業自動化，2020,42（03）：68-74.
[51]田宏奇�；？刂评碚摷捌鋺肹M].湖北：武漢出版社，1995.
[52]周志華，陳世福。神經網絡集成[J].計算機學報，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]黃華，李光，劉領化，等�；谮吔傻臋C械臂滑�？刂品椒ㄑ芯縖J].湖南工業大學學報，2013,27（01）：62-66.
[55]劉晶，普杰信，牛新月�；谏窠浘W絡滑模的機械臂軌跡跟蹤控制方法[J].計算機工程與設計，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]李鳳�；� ROS 的機械臂控制系統設計[J].自動化技術與應用，2018,37（11）：72-76.
[59]王瑩。Xilinx 可擴展處理平臺：ZYNQ 嵌入式處理器與 FPGA 集成的獨特創舉[J].電子產品世界，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]吳利生�；� ARM Cortex-A9 MPCore 嵌入式多核操作系統內核研究與實現[J].數字技術與應用，2020,38（03）：134-135.
（如您需要查看本篇畢業設計全文，請您聯系客服索�。�