基于重心调节的、受海狸启发的水下机器人的设计与深度控制

提出基于水獭的生物启发式水下机器人设计，整合灵活脊柱、可调俯仰角及主动驱动蹼足，结合分层滑模控制与非线性状态观测器，实现高精度深度控制（稳态误差<0.05m），显著提升复杂环境下的稳定性和操控性。

陈刚|孟向辉|乔建中|张志轩|吴伟|徐一东|胡跃生

浙江科技大学机械工程学院，杭州，310018，中国

摘要

为了提高水下仿生机器人在复杂环境中的适应性和机动性，本研究提出了一种基于海狸生物原型的新型仿生机器人设计，模仿了其关键的运动机制。该机器人配备了灵活的脊柱、可调的俯仰角机构以及主动驱动的蹼足。通过将俯仰角调节系统的动力学与推进驱动系统集成，建立了一个全面的动态模型。为了实现精确的深度控制，开发了一种基于非线性状态观测器（NSO）的层次化滑模控制（HSMC）策略。NSO根据深度测量值估计前进速度，使HSMC控制器能够协同调节推进频率和俯仰角位移。实验结果表明，所提出的方法实现了高精度的深度控制，稳态误差小于0.05米，显著提高了机器人在不同水动力条件下的稳定性和鲁棒性。

引言

复杂且多变的海域环境——以狭窄的洞穴和崎岖的海底为特征——对水下机器人系统的机动性和环境适应性提出了重大挑战（Santos等人，2023年）。一个设计良好的仿生机器人系统不仅提高了运动效率，还改善了水环境中的水动力稳定性和可控性（Chen等人，2025a年）。通过模仿鱼类等水生生物的运动机制（Yan等人，2022年；Wang等人，2024a年，2025a年），仿生水下机器人在推进效率（Wang等人，2023年）、减少水动力扰动以及增强地形适应性方面表现出显著优势。例如，仿生尾鳍结构通过主动波动运动实现了卓越的机动性（Wang等人，2024b年，2025b年；Zhou等人，2010年），而仿生足部设计则通过适应性表面相互作用在湍流场中提供了稳定性（Su等人，2024年）。He等人（2022a年）将仿生运动原理与控制系统设计相结合（He等人，2022b年），有效提高了轨迹跟踪精度；相反，Li等人（2025年）结合了模块化结构配置，并通过实验验证了其运动框架的鲁棒性和有效性。尽管仿生结构创新为水下机器人技术的发展提供了新的见解（Xia等人，2021年；Pan等人，2025年；Xie等人，2016年），但在复杂动态环境中实现高性能的深度调节仍然是一个需要进一步研究的技术挑战。

现有的水下机器人平台的深度保持机制主要依赖于两种基本策略：（1）通过可变体积的气囊系统（空气或油基）调节浮力来改变净重量或浮力；（2）推进驱动的力补偿来抵消浮力。例如，Sholl等人（2022年）和Latifah等人（2019年）实施了气囊体积调节来维持深度，而Makrodimitris等人（2014年）和Xu等人（2025年）使用充满水的气囊系统通过改变自重来实现垂直运动。然而，基于浮力的方法存在固有的局限性，包括有限的气囊容量、动态响应延迟和增加的机械复杂性。相比之下，Zhang等人（2022年）为遥控潜水器（ROV）开发了一个基于模型的控制框架，该框架通过平衡垂直水动力来维持恒定深度。同样，Liu等人（2024年）和Seghiri等人（2025年）采用了类似的推进驱动策略（Salem等人，2023年）。然而，这些方法通常会产生显著的声学信号，对外部干扰敏感，并且由于涡流引起的振动和推力效率低下而难以抵抗环境水流（Li等人，2022年）。

水下机器人的深度控制能力决定了它们稳定运行的能力，而高精度调节和快速动态响应是性能优化的核心目标。Suarez等人（2018年）提出了一种具有增强鲁棒性的改进型PD控制器，Dong等人（2020年）将模糊PID控制与动态补偿技术相结合，在核反应堆池这种具有挑战性的环境中展示了有效的适应性。然而，在复杂的水下环境中，传统控制器往往响应速度慢或过度依赖精确的系统模型（Chen等人，2025b年；Wang等人，2024c年）。为了克服这些限制，研究人员越来越多地探索智能控制策略（Batmani和Najafi，2021年）。例如，Maalouf等人（2015年）开发了一种能够实现遥控潜水器（ROV）快速收敛的自适应非线性状态反馈控制器；Cadengue等人（2020年）设计了一种结合人工神经网络的智能控制器；Tong等人（2023年）、Wang等人（2024d年）和Wu等人（2019年）将强化学习应用于深度控制，通过环境交互优化控制策略，在动态场景中显示出相当大的潜力。然而，基于强化学习的方法通常需要大量的训练数据，且其收敛速率对奖励函数的设计非常敏感（Feng等人，2023年）。

受到上述研究的启发，本工作通过提出一种基于海狸启发的机器人设计来解决水下机器人在复杂环境中的敏捷性和稳定性双重需求。在我们之前的研究中（Chen等人，2025c年），我们对海狸仿生机器人的表面运动动力学进行了初步分析。与依赖浮力调节或基于螺旋桨的推力生成的传统方法不同，该方法的核心创新在于整合了两种仿生机制：（1）通过主动驱动的蹼足和灵活的尾部结构进行协调推进；（2）实时调整俯仰角，模仿海狸的前肢运动。这种协同集成建立了一个多模块协同深度控制框架。具体来说，机器人通过驱动的蹼足和动态可调尾部的协调波动运动产生主要推进力。同时，一个作为海狸前肢机械类比的适应性质量重新分配系统，通过移动重心来实现快速俯仰调节，从而消除了传统浮力调节相关的固有响应延迟和机械复杂性。为了实现这些多执行器子系统的精确协调，我们进一步基于机器人平台的非线性动态模型（Zheng等人，2022年）开发了一种层次化滑模控制算法，该算法结合了非线性状态观测器，以在非结构化环境中实现稳健的轨迹跟踪。总之，本工作的主要贡献如下：1）本文介绍了一种配备灵活脊柱、重心调节机构和主动弯曲蹼足的海狸启发式水下机器人，显著提高了机器人在水环境中的机动性和适应性。

我们开发了一个全面的动态模型，该模型包含了可变的重心调节、蹼足的仿生水动力学以及来自尾部的协调推进。这一模型为基于模型的控制设计奠定了基础。

本文提出了一种基于非线性状态观测器的层次化滑模控制算法。通过利用深度信息实时估计前进速度，并在层次化控制器框架内使用这些估计值，我们显著提高了深度保持控制的响应速度和准确性。

其余章节的安排如下：第2章概述了海狸启发式水下机器人的整体结构设计和关键参数；第3章详细阐述了全面的动态建模和深度控制设计方法；第4章展示了仿真和实验结果，随后进行了彻底的分析和讨论；最后，第5章总结了本文并提出了未来研究的方向。

章节片段

海狸启发式水下机器人平台

海狸是一种既生活在水中也生活在陆地上的两栖哺乳动物。它的体长约80厘米，尾长约20厘米，具有流线型的身体轮廓。海狸拥有强壮的后肢、可伸缩的蹼足和宽大的肌肉尾巴（如图1所示），这些特征使其非常适合敏捷的水下运动。通过协调其后肢和蹼足的振荡运动与其尾巴的波动，

海狸启发式水下机器人的动态建模

本研究采用牛顿-欧拉方法，并在第2章建立的运动学模型的基础上，推导出海狸启发式水下机器人的完整动态状态模型：

$U_b$表示机器人在其本体坐标系中的线性和角速度的六维向量。$U_{}$表示质量和惯性矩阵；$C$表示科里奥利力和向心力项；$D$指的是对称

仿真

为了验证所提出的NSO-HSMC在水下仿生机器人深度控制中的有效性，使用MATLAB R2020a平台开发了一个系统仿真模型。在仿真过程中，选择了传统的PID和HSMC算法作为基准进行比较。对三种控制策略进行了阶跃响应和正弦信号跟踪测试，以全面评估动态响应速度、稳态精度和轨迹跟踪性能。

结论与展望

本文通过开发一种具有灵活脊柱、重心（CoM）调节机构和关节式后肢的海狸启发式机器人平台，解决了仿生水下机器人的深度控制问题。基于详细的结构分析，我们建立了一个动态模型，该模型以协同方式结合了基于CoM的俯仰调节和仿生推进。此外，还提出了一种复合控制策略，结合了非线性状态观测器

CRediT作者贡献声明

陈刚：写作 – 审稿与编辑，撰写原始草稿，可视化，验证，监督，资源管理，项目管理，方法论，研究，形式分析，数据管理，概念化。孟向辉：写作 – 审稿与编辑，撰写原始草稿，可视化，验证，方法论，研究，形式分析，数据管理，概念化。乔建中：写作 – 审稿与编辑，验证，监督，项目管理，方法论，

利益冲突声明

作者声明他们没有已知的可能会影响本文报告工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（编号：52275037、51875528和41506116）、浙江省自然科学基金（编号：LR24E050002）、浙江省重点研发项目（编号：2026C04032、2026LDC01047(GZ)、2026SDXT007和2025C01186）、浙江省应急管理研发项目（编号：2024YJ026）以及中央高校基本科研业务费（编号：）的财政支持。