一種電磁驅動機器魚避障方法

朱紅秀, 杜 闖, 褚彥斌, 鄭 權, 劉兆盈, 丁浩楠

一種電磁驅動機器魚避障方法

朱紅秀, 杜 闖, 褚彥斌, 鄭 權, 劉兆盈, 丁浩楠

(中國礦業大學(北京) 機電與信息工程學院, 北京, 100083)

機器魚工作的水下環境往往是復雜且無法準確預知的,因此在遇到障礙物時,能夠及時躲避轉彎尤為重要。文中提出了一種利用模糊控制實現以電磁驅動器作為動力源的機器魚轉彎避障控制方法, 并在FLUENT軟件中使用用戶自定義函數和動網格技術進行了轉彎仿真, 結合安裝紅外距離傳感器,在Matlab中設置模糊控制器輸入輸出隸度函數, 并歸納出模糊控制的規則。最后搭建實驗平臺進行機器魚水下轉彎避障游動實驗, 實驗結果表明, 模糊控制結合紅外距離傳感器可以實現電磁驅動機器魚在二維平面游動時的有效避障。

機器魚; 電磁驅動; 轉彎避障; 模糊控制

0 引言

隨著科技發展, 機器魚作為典型的水下機器人已經引起了廣泛關注[1]。水下機器人的工作環境復雜多變, 為保證水下機器人的航行安全, 根據其運動特性設計高效的實時避障方案是研究課題中不可缺少的內容[2-4]。在水下移動機器人避障方面, 各國專家和學者開展了很多研究

工作。Zhang等[5]利用網格法描述障礙物環境信息, 結合進化人工勢場法優化水下機器人避障路徑并通過仿真結果證明了該方法的可行性和有效性, 但人工勢場法在水下機器人實時避障時準確獲得障礙的位置信息和確定斥力場大小的難度較大。金久才[6]利用分層遺傳算法對水下機器人進行規劃避障, 并實現即使在規劃路徑附近增加一些新的未知障礙物依舊可以成功避障, 但是遺傳算法始終擺脫不了對初始種群的依賴性。Huang等[7]訓練出了用于水下機器人動態避障的神經網絡, 并通過仿真證明了該神經網絡的有效性, 但是網絡參數的訓練過程比較漫長且無法控制。Braginsky等[8]在水下機器人的側面和水平面安裝聲吶, 并采用雙層避障方法來有效避開側面或水平面的障礙物, 提高了避障的成功率, 但由于避障過程計算復雜, 導致避障實時性不高。

模糊控制方法具有計算量小, 實時性好, 對避障傳感器要求低等優點, 可以使用障礙物的相對距離信息或障礙的方位信息進行決策。據此, 文中從對電磁驅動機器魚驅動器運動和控制信號特點分析出發, 推理出在機器魚轉彎避障情況下的魚尾運動表達式和控制信號, 通過流體仿真驗證了魚尾轉彎運動表達式的轉彎效果, 最后用模糊控制算法制定避障控制規則并結合紅外距離傳感器進行了游動實驗, 證明了整個系統搭建的正確性, 文中提出的轉彎信號表達式和避障運動規則為電磁驅動機器魚的轉彎避障控制進一步優化完善提供了參考。

1 電磁驅動機器魚尾鰭運動模式分析

1.1 電磁驅動器工作機理

機器魚總體裝配如圖1所示, 整體設計尺寸如圖2所示, 動力源為電磁驅動器, 其結構如圖3所示, 該驅動器結構簡單, 在設計時可直接與機器魚本體鑲嵌。電磁驅動器正常工作時始終處于通電狀態, 通過輸入正弦電流信號, 使線圈從一側極限位置擺動到另一側極限位置來帶動魚尾鰭擺動。在進行瞬態仿真時, 所加激勵源為正弦電流, 初始狀態如圖3左側位置所示。

當正弦電流信號處于正半周期, 剛通電時線圈處于左側極限位置, 隨著通入正方向的電流逐漸變大, 線圈左端磁化為N極, 右端磁化為S極, 使該線圈與右側永磁體相互吸引, 而與左側永磁體相互排斥, 在二者合力作用下使永磁體推動線圈繞旋轉軸順時針擺動, 擺動到右側極限位置后,正弦電壓信號變換為負半周期, 線圈通入反方向的電流, 左端磁化為S極, 右端磁化為N極, 使該線圈與左側永磁體相互吸引, 而與右側永磁體相互排斥, 在二者合力作用下使永磁體推動線圈繞旋轉軸逆時針擺動。永磁體和線圈間氣隙是電磁驅動器主要的工作氣隙, 該處磁場主要由永磁場和線圈磁場組成, 在氣隙磁場力作用下線圈帶動電磁驅動器動力輸出臂繞旋轉軸擺動, 線圈裝配如圖4所示, 從而控制尾鰭實現往復擺動。

圖1 機器魚總體裝配

圖2 機器魚尺寸(單位: mm)

圖 3 電磁驅動器結構

1.2 單關節電磁驅動機器魚運動模式分析

根據 Sepulveda等[9]對鲹科魚類的觀測, 該魚類游動對應的魚體波表達式為

1-中心軸 2-尼龍墊片 3-法蘭軸承 4-電磁驅動器動力輸出臂5-支撐外殼 6-線圈 7-永磁體 8-尾鰭。

根據以上結論將魚的動作部位(即魚體的后1/2部分)按一定比例劃分為6段, 利用6個節段來擬合魚的真實運動規律, 并在Matlab中分析得到各節段的運動表達式

其中節段6代表的是尾鰭部分, 鲹科式魚類的波動對魚的前進只起到輔助作用, 尾鰭的擺動提供了前進的主要動力, 同時, 從計算分析結果中也可以看到, 前5個節段的動作幅度較節段6 (即尾鰭)的動作幅度要小得多, 故得到單關節機器魚尾鰭的運動表達式

因文中使用的電磁驅動器的線圈初始位置為左側, 所以機器魚尾鰭運動表達式

圖5為機器魚直線游動時尾鰭角度變化和控制信號?？刂菩盘栔芷谟山嵌茸兓芷谕评淼玫? 根據多次實驗, 控制信號電流幅值為0.5 mA時游動效果最好, 控制信號

1.3 避障轉彎控制信號

得到單關節機器魚魚尾擺動角度隨時間變化關系式后即可推理魚體轉彎時尾鰭的擺動情況。轉彎時尾鰭擺動不對稱, 根據流體中的物體受力特點, 若使魚體在水中實現轉向, 就要讓尾鰭單向擺動以實現轉向。當需要向右轉彎時, 尾鰭向右側擺動, 當需要向左轉彎時, 尾鰭向左側擺動[10]。由電磁舵機線圈的運動特點, 設置機器魚分別向左游動和向右游動時尾鰭角度變化情況

圖6為機器魚分別向左右2種轉彎游動時尾鰭角度變化和控制信號, 根據尾鰭在轉彎時角度變化情況設定控制信號周期和相位, 控制信號表達式為

2 機器魚轉彎流體仿真

左右轉彎時, 機器魚運動情況基本一致。故文中只對機器魚在左轉彎工況下進行流體仿真。將機器魚看作是不可壓縮的剛體, 設置機器魚周圍流場為非定常不可壓縮湍流, 采用k-ε湍流模型, 結合用戶自定義函數(user defined function, UDF)動網格技術模擬在式(6)描述的運動情況下機器魚模型左轉彎時的運動情況[11]。

進行流體仿真時, 應盡量簡化待求解的模型,以避免仿真過程對計算機算力要求過高和迭代時間過長。圖7為Design Modeler軟件中機器魚仿真模型的建立情況, 結合實際游動情況, 仿真時機器魚模型的質量1.78 kg, 吃水深度65 mm。

圖6 轉彎時尾鰭角度變化和控制信號

圖7 流體仿真建模

在ICEM CFD軟件中設定流體域和邊界條件, 將魚尾定義為可動壁面。然后進行三維非結構四面體網格剖分, 如圖8為模型某截面處體網格剖分情況。

因機器魚轉彎時魚尾只由中間位置向一側往復擺動, 運動情況較為復雜, 需要使用UDF對運動狀態進行描述, 使用DEFINE_CG_ MOTION宏定義機器魚尾部運動過程中角度變化為式(6), 動網格更新方法為彈簧光順和局部重構。

圖8 網格剖分

求解計算后得到機器魚在轉彎運動過程中艏向角的變化情況。艏向角為機器魚上以質心為原點的局部坐標系正半軸(游動方向)與全坐標系正半軸的夾角[12], 即圖9中艏向角, 可見在機器魚的轉彎游動過程中, 艏向角是隨時間變化的。

圖9 艏向角示意圖

圖10為仿真得到的利用式(6)作為魚尾擺動規律下機器魚的艏向角隨時間變化情況。由圖中可知, 在=7.309 s時,=3.141 rad≈180°, 表明機器魚此時游動方向和初始位置時游動方向基本相反, 參見式(6)可以使機器魚實現轉彎游動。

圖10 轉彎時艏向角變化情況

3 基于模糊控制的避障實現

3.1 模糊規則制定

根據視線導航原理使用模糊邏輯來設計避障方案[13-15], 在機器魚左右兩側各安裝一個紅外距離傳感器, 分別測量斜向前一定角度的距離, 如圖11所示。

圖11 紅外距離傳感器安裝

將左側紅外傳感器和右側紅外傳感器測得的障礙物距離差值表示為

將差值劃分為7個模糊集: 左近(LN)、左中(LC)、左遠(LF)、零(ZO)、右近(RN)、右中(RC)和右遠(RF)。當值為負, 表示障礙物距魚身左側近, 且值越小代表越近;為正, 表示障礙物距魚身右側近, 且值越大代表越近。因考慮到紅外距離傳感器的精度、實際安裝誤差和機器魚的實際游動情況, 2個紅外距離傳感器測出的值基本不存在相等的情況, 所以當=0時, 只表明機器魚的游動路徑上沒有障礙物這一種情況。設定的取值范圍為[–200, 200], 隸屬度函數如圖12所示。

圖12 輸入隸屬度函數

控制量表示魚尾向左或者向右的擺動頻率。同樣將控制量劃分為7個模糊集: 左近(LN)、左中(LC)、左遠(LF)、零(ZO)、右近(RN)、右中(RC)和右遠(RF)。為負表示機器魚魚尾開始由中間位置向右擺動, 且值越小擺動頻率越高;為正表示機器魚魚尾開始由中間位置向左擺動, 且值越大擺動頻率越高。設定的取值范圍為[–4, 4], 隸屬度函數如圖13所示。不同頻率的轉彎信號是以轉彎控制信號表達式(8)和式(9)為原型, 通過改變相應頻率后使用插值法離散數值后打包構成, 并在后期與輸出構成映射關系。

圖13 輸出隸屬度函數

使用Matlab模糊控制工具箱調用evalfis函數實現求解模糊關系, 進行模糊決策、控制量的反模糊化的相關矩陣運算, 從而得到距離差和控制量的映射關系, 通過GUI窗口可以觀察不同的輸入值所對應的輸出值, 來驗證模糊控制器的正確性。圖14為輸入=150時, 輸出=2。

圖14 輸入值和輸出值的映射關系

3.2 機器魚避障仿真

根據紅外距離傳感器的安裝位置在Matlab 軟件中分別模擬順時針和逆時針游動來對模糊控制器的工作情況進行避障仿真。設定的障礙物是由4個黑色三角形組成的壁面, 綠色三角形代表起始點, 因為是圓周運動, 故該點同樣為終止點。連續的紅色點為機器魚游動軌跡線。機器魚順時針游動仿真結果如圖15所示, 由游動軌跡線可以看出, 機器魚在二維平面游動過程中能夠順利避開其航線上的障礙壁面到達目標點。

圖15 機器魚順時針游動避障仿真結果

3.3 避障硬件系統搭建

機器魚游動過程中, 前進方向檢測到障礙物時, 紅外距離傳感器就會返回電壓模擬信號, 經過模數(analog to digit, A/D)轉換器, 將得到的模擬信號轉換為數字信號, 傳輸給微處理器進行決策。微處理器接收障礙物距離信息, 根據上文設計的模糊控制器查找相對應的規則。利用微處理器程序輸出數字信號, 經過數模(digit to analog, D/A)轉換器, 將數字信號轉換為模擬信號, 為了提高輸出模擬信號的負載能力, 需通過功率放大器進行放大。各模塊間的配合流程如圖16所示。

圖16 避障系統硬件組成

傳感器模塊為GP2Y0A02型號的紅外距離傳感器, A/D轉換器為ADC0804, D/A轉換器為DAC0832。因DAC模塊提供的模擬信號不足以驅動電磁舵機中的電磁線圈, 故使用基于OPA 544的單路功率放大模塊放大信號。避障流程如圖17所示。

圖17 避障系統程序流程圖

3.4 機器魚水下避障實驗

為了驗證仿真結果的可靠性, 進行了機器魚避障實驗, 在2 m×2 m的水池4個角分別安裝壁面, 機器魚以魚缸右側邊中心處為出發點, 分別以不同速度沿著水池邊緣和壁面逆時針和順時針游動, 如圖18所示。當機器魚逆時針游動時主要測試的是機器魚右側紅外距離傳感器, 以及機器魚在其魚身右側遇到障礙物后的運動情況; 當機器魚順時針游動時主要測試的是機器魚左側紅外距離傳感器, 以及機器魚在其魚身左側遇到障礙物后的運動情況。

圖18 機器魚順時針和逆時針游動情況

在機器魚順時針或逆時針運動時, 分別設定其運動速度大小為: 0.125 m/s, 0.25 m/s, 0.375 m/s, 0.5 m/s和0.625 m/s, 并使用秒表記錄機器魚在不同速度情況下游動一周所用時間, 并與仿真時間進行比較, 如圖19所示?？梢娫?種方向的游動情況下, 實際游動時間比仿真結果時間略大, 這是因為機器魚的實際游動環境是非線性且動態變化的, 所以在仿真時無法完全模擬真實的情況, 但隨著速度值增大, 機器魚游動一周的時間逐漸減小, 時間變化趨勢和仿真結果基本一致, 從而可驗證仿真結果的正確性。

圖19 不同速度下機器魚游動時間對比

4 結束語

通過對電磁驅動器工作原理和鲹魚體波動表達式的研究, 得出單自由度機器魚的運動表達式, 進而得到了尾鰭的擺動規律并推理出電磁驅動機器魚轉彎信號, 使用UDF動網格在FLUENT軟件中進行了二維平面內機器魚游動仿真, 得到了機器魚在轉彎游動時艏向角變化情況, 通過流體仿真證明了轉彎時機器魚魚尾擺動表達式的正確性。最后使用模糊控制的方法, 實現了機器魚在二維平面內的避障仿真, 并搭建驅動控制系統進行了水下實驗。在實驗中, 電磁驅動機器魚實現順逆時針2個方向上的避障游動, 從而證明整個避障硬件系統搭建的正確性, 可為電磁驅動機器魚的研究提供參考。

[1] Shang L, Wang S, Tan M, et al. Motion Control for an Underwater Robotic Fish with Two Undulating Long-fins [C]//Proceedings of the 48th IEEE Conference on Decision and Control (CDC) Held Jointly with 2009 28th Chi- nese Control Conference. Shanghai, China: IEEE, 2009.

[2] 鐘宏偉. 國外無人水下航行器裝備與技術現狀及展望[J]. 水下無人系統學報, 2017, 25(4): 215-225.Zhong Hong-wei. Review and Prospect of Equipment and Techniques for Unmanned Undersea Vehicle in Foreign Countries[J]. Journal of Unmanned Undersea Systems, 2017, 25(4): 215-225.

[3] Phuc N D, Truongthinh N. A Solution of Obstacle Collision Avoidance for Robotic Fish Based on Fuzzy Systems[C]//IEEE International Conference on Robotics & Biomimetics. Phuket, Thailand: IEEE, 2012.

[4] Lee P J, Wang W J. Robotic Fish Kinectics Design Based on a Fuzzy Control[M]//Latest Advances in Robot Kinematics. Springer: Dordrecht, 2012: 67-74.

[5] Zhang Q, Chen D, Chen T. An Obstacle Avoidance Method of Soccer Robot Based on Evolutionary Artificial Potential Field[J]. Energy Procedia, 2012, 16(5): 1792-1798.

[6] 金久才. 無人水下自主航行器(AUV)避碰研究[D]. 呼和浩特: 內蒙古大學, 2008.

[7] Huang Z, Zhu D, Bing S. A Multi-AUV Cooperative Hunting Method in 3-D Underwater Environment with Obstacle[J]. Engineering Applications of Artificial Inte- lligence, 2016, 50: 192-200.

[8] Braginsky B, Guterman H. Obstacle Avoidance Approaches for Autonomous Underwater Vehicle: Simulation and Experimental Results[J]. IEEE Journal of Oceanic Engineering, 2016, 41(4): 882-892.

[9] Sepulveda C A, Donley J M, Konstantinidis P, et al. Convergent Evolution in Mechanical Design of Lamnid Sha- rks and Tunas[J]. Nature, 2004, 429(6987): 61-65.

[10] Stavridis S, Papageorgiou D, Doulgeri Z. Dynamical System Based Robotic Motion Generation with Obstacle Avoidance[J]. IEEE Robotics and Automation Letters, 2017, 2(2): 712-718.

[11] Guan Z, Nong G, Gao W, et al. 3D Hydrodynamic Analysis of a Biomimetic Robot Fish[C]//International Conference on Control Automation Robotics & Vision. Singapore: IEEE, 2011.

[12] Zhao Z Y, Hong Z H, Deng Y S. Angle Measurement of Robotic Fish Based on Kalman Filter[J]. Applied Mechanics & Materials, 2014, 568-570: 1049-1053.

[13] Xia X, Li T. A Fuzzy Control Model Based on BP Neural Network Arithmetic for Optimal Control of Smart City Facilities[J]. Personal and Ubiquitous Computing, 2019, 23(3-4): 453-463.

[14] Vafamand N, Khooban M H, Dragicevic T, et al. Robust Non-fragile Fuzzy Control of Uncertain DC Microgrids Feeding Constant Power Loads[J]. IEEE Transactions on Power Electronics, 2019, 34(11): 11300-11308.

[15] Liu W, Xin Z, Chen Z. Fuzzy Rule Optimization and Reduction Based on Recursive Neural Networks[C]//International Conference on Control & Automation. Xiamen, China: IEEE, 2019.

Obstacles Avoiding Method for Electromagnetic Actuated Robotic Fish

ZHU Hong-xiu, DU Chuang, CHU Yan-bin, ZHENG Quan, LIU Zhao-ying, DING Hao-nan

(School of Electrical and Information Engineering, China University of Mining and Technology(Beijing), Beijing 100083, China)

A fuzzy obstacle avoidance control method for the robotic fish actuated by electromagnetic actuator was proposed. And the software FLUENT was employed to perform turning simulation by using its user define function(UDF) and the dynamic mesh technology. Infrared distance sensor was used. The input and output membership functions of the fuzzy controller were set in Matlab, and the rules of fuzzy control were summarized. Furthermore, an experimental platform was built to conduct underwater turning for obstacle avoidance experiment of the robotic fish. Experimental results show that the fuzzy control combined with infrared distance sensor can realize obstacle avoidance effectively when the electromagnetic actuated robot fish swims in a two-dimensional plane.

robotic fish; electromagnetic actuating; turning for obstacle avoidance; fuzzy control

TP242; O44

A

2096-3920(2019)06-0704-07

10.11993/j.issn.2096-3920.2019.06.015

2019-04-14;

2019-05-19.

朱紅秀(1970-), 女, 博士, 副教授, 主要研究方向為測試測量技術與儀器.

朱紅秀, 杜闖, 褚彥斌, 等. 一種電磁驅動機器魚避障方法[J]. 水下無人系統學報, 2019, 27(6): 704-710.

(責任編輯: 許 妍)