14、仿生水下滑翔机器人的滑翔运动优化

仿生水下滑翔机器人的滑翔运动优化

1. 引言

水下滑翔器实现滑翔运动由来已久，并且已在海洋观测和探索中得到发展和成功应用。对于锯齿形滑翔运动，已经提出了几种控制策略。传统上，锯齿形滑翔运动通常仅由内部可移动质量和/或净浮力控制，可移动质量直接调整俯仰角，进而间接调整滑翔角。

与传统水下滑翔器不同，仿生水下滑翔机器人的鳍可以作为外部控制面，进一步参与锯齿形滑翔运动控制。然而，目前外部控制面的控制方法仅关注俯仰角或滑翔角，另一个角度则作为附属被动控制。未来水下机器人要执行更复杂的任务，如需要机载视觉检测的跟踪或对接应用，俯仰角和滑翔角的单独控制不可或缺。但现有的水下滑翔机器人和滑翔控制策略很少能实现这种复杂的滑翔运动。

水下滑翔机器人的滑翔运动控制面临几个挑战：
- 滑翔运动依赖于水动力，如何分解俯仰姿态和滑翔方向，以及如何协调控制面以实现复杂运动值得研究。
- 水动力是滑翔运动的关键因素，通常水动力特性多通过低阶多项式估计小攻角（AOA）情况，但当期望滑翔角与期望俯仰姿态无关时，会出现大攻角，因此在滑翔控制中应考虑大攻角变化情况下的水动力特性。

为降低滑翔运动的能耗，当前研究可总结为三类：运动参数优化、形状优化和最优路径规划。但这些研究主要针对固定翼水下滑翔器的稳态滑翔运动，未考虑动态部分（即瞬态滑翔运动）。而仿生水下滑翔机器人有一对主动胸鳍，可作为额外控制面调节滑翔运动，因此胸鳍对瞬态滑翔运动的优化策略至关重要。瞬态滑翔运动优化可视为马尔可夫决策问题，传统动态规划方法会因复杂系统状态导致维数灾难，而深度强化学习（DRL）利用神经网络作为函数逼近器解决了这一问题，并已成功应用于机器人控制问题。本文将使用DRL寻找胸鳍的最优偏航规则，以实现最大