基于运动约束的路径规划与跟随技术在仿生水下探测机器人中的应用

《IEEE Transactions on Instrumentation and Measurement》：Motion-Constrained Path Planning and Following for a Biomimetic Underwater Exploration Robot

水下环境监测仿生平台轨迹优化与能效提升研究提出A*路径规划结合iLQR避障控制，通过柔性尾结构参数优化降低能耗，采用非线性模型预测控制实现高精度数据采集，仿真验证显著提升监测效能。

　　

摘要：

仿生水下平台是水质监测和环境感知应用中的关键仪器，其优化的运动轨迹和能源管理直接影响到测量覆盖范围和数据采集质量。本文针对水下探测平台在感知任务中的轨迹优化问题提出了一种新方法，以提高测量效率并延长运行寿命。首先，开发了一种基于运动约束的路径规划框架，使用A*算法生成全局路径，并结合迭代线性二次调节器（iLQR）和分段采样平滑技术来实现局部障碍物规避。此外，还设计了一种离线优化框架，用于优化柔性尾部的刚度参数，从而降低能耗并延长测量任务时间。在路径跟随方面，引入了一种基于非线性模型预测控制（NMPC）的策略，通过头部偏航角平滑和视线导航实现精确的测量位置跟踪，从而提升数据采集能力。最后，数值模拟验证了所提出方法的有效性，显著提升了仿生水下探测平台在实际环境监测应用中的测量能力。

一、引言

海洋覆盖了地球表面的71%，是全球环境健康的重要指标。然而，由于人类活动的加剧，海洋环境退化和水质恶化问题日益严重。当前的应用场景，如水质评估、海洋生态系统监测和海底基础设施检查，需要高精度、长寿命的水下仪器系统，这些系统能够在复杂的水环境中自主进行数据采集。虽然传统的螺旋桨驱动水下平台被广泛使用，但它们在能耗、环境干扰和运行寿命方面存在显著限制，尤其是在需要最小化生态影响的长期监测任务中。仿生水下探测机器人作为一种有前景的替代方案，凭借其仿生推进机制展现了优越的性能：更高的机动性实现了精确的传感器定位，更低的噪声特征便于进行不受干扰的环境采样，以及更高的能源效率，从而延长了监测任务时间，使其在水质监测和环境感知应用中具有特殊价值[1]。这些仿生平台代表了先进的仪器系统，它们通过在具有挑战性的水环境中实现精确的时空数据采集，直接为测量科学做出了贡献，而传统测量方法在这些环境中面临诸多限制。