浙江大学学报(工学版)

浙江大学学报(工学版), 2026, 60(1): 99-116 doi: 10.3785/j.issn.1008-973X.2026.01.010

机械工程

水下机械手研究进展

肖华平,, 李翰林, 刘书海

中国石油大学（北京） 机械与储运工程学院，北京 102249

Review of underwater manipulators

XIAO Huaping,, LI hanlin, LIU Shuhai

College of Mechanical and Transportation Engineering, China University of Petroleum, Beijing 102249, China

收稿日期: 2025-01-11  

基金资助: 北京市自然科学基金资助项目（3232013）.

Received: 2025-01-11  

Fund supported: 北京市自然科学基金资助项目（3232013）.

作者简介 About authors

肖华平（1983—），男，副教授，博导，从事机器人技术研究.orcid.org/0000-0002-7649-3484.E-mail：hxiao@cup.edu.cn , E-mail：hxiao@cup.edu.cn

摘要

从驱动方式的角度综述水下机械手的发展现状，讨论动力学建模、运动控制及自主智能化在水下机械手作业中的关键作用，分析末端执行器从刚性向柔性演化的趋势，总结现有水下机械手在结构设计、动力学模型、自主智能控制等方面存在的问题. 动力学建模、运动控制及自主智能技术作为实现水下机械手作业的关键技术，旨在应对作业环境的复杂性和不确定性. 具有自主作业与精确运动控制能力的智能水下机械手在现代海洋工程、深海探索以及海洋资源开发中展现出广阔的应用前景.

关键词： 水下机械手 ; 驱动方式 ; 动力学模型 ; 运动控制 ; 自主智能化 ; 末端执行器

Abstract

The development of underwater manipulators was reviewed from the perspective of actuation methods. The key roles of dynamic modeling, motion control, and autonomous intelligence in the operations of underwater manipulators were discussed, and the trend of end-effectors evolving from rigid to flexible structures was analyzed. Problems of existing underwater manipulators in aspects such as structural design, dynamic modeling, and autonomous intelligent control were summarized. The aim of the dynamic modeling, motion control, and autonomous intelligence, which are the key technologies for realizing the operations of underwater manipulators, is to deal with the complexity and uncertainty of underwater operational environments. The intelligent underwater manipulators with the capabilities of autonomous operation and precise motion control have broad application prospects in marine engineering, deep-sea exploration, and ocean resource development.

Keywords： underwater manipulators ; actuation method ; dynamic model ; motion control ; autonomous intelligence ; end-effectors

PDF (2071KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

肖华平, 李翰林, 刘书海. 水下机械手研究进展. 浙江大学学报(工学版)[J], 2026, 60(1): 99-116 doi:10.3785/j.issn.1008-973X.2026.01.010

XIAO Huaping, LI hanlin, LIU Shuhai. Review of underwater manipulators. Journal of Zhejiang University(Engineering Science)[J], 2026, 60(1): 99-116 doi:10.3785/j.issn.1008-973X.2026.01.010

20世纪50年代末，Joseph F. Englberger和George Devol开发了第一台工业机械臂Unimate[1]. 自此以后，工业机械臂逐步代替人类去执行一些复杂危险的任务，如搬运物体、焊接、救援等. 然而，人类活动的发展导致陆地资源逐渐枯竭. 随着人类获取资源的范围不断扩大，人们的目标开始由陆地转向太空、海洋.

近些年来，海洋作为人类生存的第二大空间，因丰富的自然资源而受到越来越多的关注. 随着海洋资源的开发和海洋科学研究的日益成熟，应对海洋环境作业的水下机械手逐渐兴起. 同时，随着海底油气开采装备、管道和桥梁等水工结构数量的增加和使用寿命的延长，水下检测和维护对确保其健康和安全至关重要[2]. 目前，水下结构的检查和维护工作主要由潜水员完成，但是潜水员只能在浅水区作业，并且面临巨大的安全风险. 因此，利用水下机械手替代潜水员执行这些任务的需求正在迅速增长.

水下航行器-机械手系统（underwater vehicle-manipulator system, UVMS）是执行水下操作任务的理想解决方案，主要用于管道检查、设备安装和拆除、障碍物清理、生物与地质取样、考古等任务[3-5]. UVMS的水下机械手主要包括机械臂及末端执行器，大多采用拟人化设计，类似于人的手臂和手掌，如图1所示. 机械臂由一系列刚体（连接体）组成，刚体间通过具有适当角位移的关节相互连接；末端执行器上连接有抓手或可互换工具等[6].

图 1

新窗口打开| 下载原图ZIP| 生成PPT

图 1   水下机械手的关键要素

Fig.1   Significant elements of underwater manipulators


相较于工业机械臂，水下机械手的工作环境更为严苛，设计时不仅要满足工程上的载重、出力等指标，而且需要考虑密封、低温、高压等问题. 同时，机械手在运动过程中与水存在相互作用. 具体而言，机械手在工作时不仅需要克服自身重力和负载，而且会受到惯性水动力和黏性水动力的显著影响. 这些水动力因素增加了系统的控制难度，并对机械手的作业路径跟踪造成干扰，导致工作精度下降[7-8]. 另外，水流的变化、湍流的影响导致水动力作用呈现非线性、不确定性等特性，机械手的动力学模型往往难以完全反映其在实际工况下的行为. 在动态变化的环境中，机械手未能实现自主智能化，仍须人工干预. 此外，当采集珊瑚礁等脆弱的样本时，刚性末端执行器难以操作，而且容易对操作对象造成损坏. 当水下机械手与人交互协作时，大功率的刚性执行器也存在一定的安全隐患. 因此，具有高度柔顺性、能够根据周围环境变形的软体执行器成为了应对海洋勘探、采样相关挑战的解决方案.

针对以上问题，从水下机械手发展现状引入，分别论述水下机械手的动力学建模、运动控制与自主智能化以及末端执行器，探讨其发展趋势.

1. 水下机械手的分类及发展现状

1960年，Anderson设计了第一台水下机械手-远程水下操纵器RUM，被用于海洋科学研究[9]. 水下机械手类似于工业机械臂，是一种串联机械结构，其发展历程如图2所示. 依据驱动方式的不同，可以分为液压驱动和电驱动的水下机械手. 早期的水下机械手大多是液压油驱动的；也有一些利用水液压驱动，优点是黏度低、功率密度高、不燃、无污染，然而这种方法因腐蚀、润滑和密封问题以及不合适的工作温度等缺点被逐渐放弃[10]. 因此，现有的商用水下机械手和科研机构开发的原型水下机械手都采用液压油或电驱动方式. 另外，根据作业需求，水下机械手都必须满足工作半径、提升能力等相关要求，须具备轻质结构、集成模块、高精度、低耦合干扰等设计特性.

图 2

新窗口打开| 下载原图ZIP| 生成PPT

图 2   水下机械手发展历程

Fig.2   Development history of underwater manipulators


1.1. 液压驱动的水下机械手

液压水下机械手基于液压驱动技术，将液压泵的压力能通过直动缸、摆动缸等执行机构转化为机械能. 液压机械手是目前技术成熟度最高、应用最为广泛且实用的水下机械手，具有高效率、高功率尺寸比、较强的承载能力、液压系统不易受海水影响、结构紧凑以及内置过载保护等优点[11].

1964年，美国伍兹霍尔海洋研究所为Alvin号载人潜水器设计了世界第一台水下液压机械手，采用轻质钛合金材料，伸展距离为1.75 m，可以抓举100 kg的物体，最大夹紧力矩为40 N·m，同时配有摄像机和传感器[12]. 国内最早的液压机械手是1985年中科院沈阳自动化研究所崔殿忠等为水下机器人HR01号设计的五轴六功能液压机械手[13]. 该机械手由上手、前手、手腕、指爪4个部分组成，质量为100 kg，伸展距离可以达到0.8 m，能抓举5 kg的物体，并采用主从控制方式，在手爪上配备10个接触传感器，用于识别抓取信息.

国外对液压水下机械手的研究较早，技术成熟. 现有商用水下机械手的参数归纳于表1. 美国Schilling Robotics公司的Titan 4水下机械手在兼顾精确性和灵巧性的同时，能够在水下7000 m工作，最大工作半径为1 922 mm. 该机械手的提升质量比较大，在空气中质量仅为100 kg，能够抓举的重物的最大质量为454 kg，但是其采用位置控制方式，控制精度会因操作员视线受阻而降低[14]. 为了使操作员能够更加精确地控制机械手，美国Kratf TeleRobotics公司在Grips、Raptor等机械手的主从式位置控制方式的基础上加入力反馈，将机械臂末端的受力情况实时反馈给操作员，以实现更精确的控制[15]. 英国Hydro-Lek公司的HLK系列产品致力于液压机械手的轻量化，机械手本体主要采用高密度聚乙烯材料，降低了其与水下航行器之间运动耦合以及浮力矩的干扰作用. 其中HLK-43000在空气中的质量仅为8.4 kg，在海水中为4.2 kg，但是能够抓举10 kg的物体[16].

表 1   现有的国外商用液压机械手相关参数

Tab.1  Parameters of existing foreign commercial hydraulic manipulators

液压机械手名称研发公司自由度作业
深度/m		伸展
距离/m		质量
（空气）/kg		质量
（水下）/kg		抓举
能力/kg		腕关节
力矩/(N·m)		控制方式
MK37[6]Western Space and Marine611 0000.94431623—力反馈
The ARM[6]Western Space and Marine611 0001.71459745.4—力反馈
Titan 4[14]Schilling Robotics64 0001.92210078122170位置
Atlas 7P/7R[14]Schilling Robotics66 5001.6757350250205速率
Orion 7P/7R[14]Schilling Robotics66 5002.013543868205位置/速率
Orion 4R[14]Schilling Robotics36 5002.0136448181205速率
Grips[15]Kratf TeleRobotics63 0001.28959418220主从+力反馈
Raptor[15]Kratf TeleRobotics63 0001.6397544227135主从+力反馈
Predator[15]Kratf TeleRobotics63 0002.0138051227135主从+力反馈
HLK-43000[16]Hydro-Lek53 0000.668.44.2108.2速率
HLK-5300[16]Hydro-Lek66 0001.4283620.23260速率
TA40[17]Forum Energy Technologies67 0002.1——70——
TA60[17]Forum Energy Technologies4—1.417856380250—
HYDRA UW3[18]KNR Systems Inc.62 5002.17——300—位置
Atlas Hybrid[19]Oceaneering66 5001.66735065205位置/速率
7F-HARM[20]Seamor Marine Ltd.66001.073————
G501[21]Envirex43 0000.8151310080速率
M501[21]Envirex43 0000.9514115045速率
M701[21]Envirex63 0001.217145030速率
Magnum-5Mini[22]ISE46 0000.7113—6814速率
Magnum-6Mini[22]ISE56 0000.9663—454108速率
Magnum-7[22]ISE66 0001.571—454108位置/速率

新窗口打开| 下载CSV


国内技术相对落后、不够成熟，液压机械手的研究集中于浙江大学、中科院沈阳自动化研究所等科研单位研发的原型机械手. 表2归纳了国内主要的原型机械手. “十五”期间，浙江大学研制用于7000 m海底作业的七功能液压机械手，采用主从式闭环位置控制，可以在2.1 m工作半径内进行水下科考、打捞、检修等任务；同时，各关节处安装有角度传感器，以实时监测关节角度和手臂姿态[23]. “十二五”期间，沈阳自动化研究所研发七功能主从伺服液压机械手，设计水深为7000 m，最大伸长距离为1.9 m，可以抓举65 kg的物体. 该机械手被部署于发现号ROV上，并在1100 m深的冷泉区完成了样品采集、回收及采样器触发等科研任务[24]. 华中科技大学针对国家课题“机械手模拟检测及油气应急处置模拟训练”研制油气开发水下机械手“华海-6H”，其具有5个自由度，由肩部、大臂、肘部、腕部和末端执行器组成，可以实现1500 m深水环境作业[25].

表 2   国内原型液压机械手相关参数

Tab.2  Parameters of domestic prototype hydraulic manipulators

液压机械手名称研发单位自由度作业
深度/m		伸展
距离/m		质量
（空气）/kg		质量
（水下）/kg		抓举
能力/kg		腕关节
力矩/(N·m)		控制方式
HR01号机械手[13]沈阳自动化研究所52000.8100—5—主从
七功能液压机械手[23]浙江大学67 0002.1＜100＜7570180主从
七功能主从伺服液压机械手[24]沈阳自动化研究所67 0001.9——65—主从/伺服
华海-6H[25]华中科技大学51 5001.3765—100—主从
小型液压机械手[26]浙江大学6—1——100——
七功能液压机械手[26]浙江大学64 5001.645—100—主从
鱼鹰号机械手[27]华中科技大学3—2.805——100—开关
蓝鲸号打捞机械手[28]华中科技大学3—2.803440—150——
蓝鲸号作业机械手[28]华中科技大学6—2.3120—32——
七功能水下机械手[29]哈尔滨工程大学6—＞1.67054——主从
SIWR-Ⅱ水下机械手[30]哈尔滨工程大学5—1.2——20—主从

新窗口打开| 下载CSV


液压驱动的水下机械手技术成熟，被广泛应用于深海（3000 m以上）重载作业，但仍然面临诸多挑战. 首先，液压机械手普遍采用主从式控制，受高自重和大负载的影响，容易与水下航行器产生强运动耦合，导致定位精度差，即使加入力反馈或传感器也很难在接触任务中实现高精度的精细控制，因此需要具有更高精度和稳定性的控制系统. 其次，液压系统中摩擦、泄漏、流体可压缩性等非线性因素使得动力学建模与求解复杂化，须在动力学建模和控制系统的设计与实现过程中充分考虑外部扰动影响. 此外，液压机械手系统的质量和体积较大，如沈阳自动化研究所研制的主从伺服液压机械手系统包含机械手本体、阀箱、补偿器、管路等多个组件，不仅增加了水下航行器的负载压力，而且对操控稳定性和能耗提出了更高的要求. 同时，复杂的管线布置与固定的执行机构位置降低了系统的模块化水平，限制了其对不同任务的适应性和维护效率. 因此，对于液压水下机械手，未来仍须在轻量化、模块化设计及控制系统优化方面进行深入研究和创新.

1.2. 电驱动的水下机械手

电动水下机械手采用电机驱动并通过减速器来有效地传递和放大扭矩. 电动机械手大多是根据科研需要定制的原型机，但是具有通用性强、质量轻、驱动模块化、可实现精确运动和力/扭矩控制等优点，比液压机械手更具发展前景.

1991年，Yoerger等[31]为伍兹霍尔海洋研究所的JASON号潜水器开发了最早的电动水下机械手，其具有3个自由度，在测试中完成了地中海下700 m处的文物打捞和3000 m深的水下试验. 1996年，华中科技大学团队设计了国内最早的电动机械手，该机械手具有2个自由度（大臂回转、小臂伸缩），伸展距离可以达到1.34 m，在试验中完成了爆炸剪缆作业[32].

国外在电动水下机械手领域的研究集中在为水下机器人项目设计的机械手原型机上. 1997年，Ansaldo公司为AMADEUS项目设计7自由度的冗余电动机械手，用于水下500 m的合作操作. 该机械手的冗余自由度可以用于避障等次要目标[33]，但同时冗余自由度会进一步加剧水环境的影响，导致动力学模型难以精确反映其运动与力学特性. 1998年，Ansaldo公司为SAUVIM项目设计MARIS 7080机械手，其具有6自由度，通过内部油补偿可以在深海6000 m下作业；驱动系统采用带有减速装置的无刷电机，并配备旋转变压器用于角度测量，实现了末端执行器的亚毫米级定位[34]. 2013年，TRIDENT项目中产生了第一个水下模块化机械手UMA，通过不同的模块组合可以实现不同的运动学配置[35]. 此外，英国的ECA、澳大利亚的Reach Robotics等公司相继推出了最新的电动商用机械手. 在RAUVI项目中，ECA公司的Arm 5E机械手被重新设计，通过减小尺寸和重量，进一步弱化了其和水下航行器之间的动态耦合[36].

在国内，以华中科技大学为代表的科研单位在水下电动机械手设计与制造领域的研究取得了重大进展. 2005年，沈阳自动化研究所根据国家863计划项目“水下虚拟遥操作及监控机械手系统”研制三功能水下机械手，该机械手由2个摆动关节和手爪组成，关节部件采用分装设计，实现了驱动模块化[37]. 2010年，华中科技大学研发了一款3自由度水下机械手“华海-4E”，可以在3500 m深的水下工作，并配有传感器系统（包含超声波探头阵列和水下照相机），根据视觉、距离远近等反馈信息做出反应，实现了对水下目标的自主识别与捕捉[38]. 最近，浙江大学设计一种3自由度水下电动机械手，其中关节驱动系统采用高度集成化设计，将力矩电机、谐波减速器、编码器及制动器整合为独立模块，并加入了压力平衡装置，可以在深度为500 m以上的水下作业[39]. 此外，南京华研致力于水下电动机械手的研发，现已上市多个系列的产品. 其中，东麒系列的S7是一款水下轻量化高精度机械手，具有6个自由度，作业深度达到300 m，支持位置、速率控制，适用于大部分水下作业[40]. 分别归纳国外商业电动机械手、原型机与国内电动机械手及其参数，见表3和表4.

表 3   国外电动机械手相关参数

Tab.3  Parameters of foreign electric manipulators

电动机械手名称研发单位/公司自由度作业
深度/m		伸展
距离/m		质量
（空气）/kg		质量
（水下）/kg		抓举
能力/kg		腕关节
力矩/(N·m)		控制方式
JASON manipulator[31]Deep Submergence Laboratory33 000——————
AMADEUS manipulator[33]Ansaldo7500—————速率
MARIS 7080[34]Ansaldo66 0001.465458—半自动
UMA-1500[41]Graal Tech61 5002281410—位置
Poseidon[42]University of Liverpool51001—375—PID
SAMURAI[43]Space Systems Laboratory66 000————1.6—
Electromechanical
telemanipulator[44]		Tecnomare/Ansaldo6—2160—30—主从/力反馈
BE5-500[45]Ocean Innovation System65000.7158—1.6速率
Bravo 3[46]Reach Robotics24500.4142.61520主从
X7[46]Reach Robotics63000.5082.91.837位置/速率
Arm 5E Micro[47]ECA46 0000.641051010位置/速率
Arm 5E[47]ECA46 000127182525位置/速率
Arm 7E[47]ECA66 0001.796949.24025位置/速率

新窗口打开| 下载CSV


表 4   国内电动机械手相关参数

Tab.4  Parameters of domestic electric manipulators

电动机械手名称研发单位/公司自由度作业深度/m伸展距离/m质量（空气）/kg质量（水下）/kg抓举能力/kg腕关节力矩/(N·m)控制方式
自主式水下机械手[32]华中科技大学2701.3412.5—12—智能
三功能水下机械手[37]沈阳自动化研究所2———————
华海-4E[38]华中科技大学43 5001.3＜90—10——
水下电动机械手[39]浙江大学45000.69414.3——31—
L20[40]南京华研53001.24536—10主从
东麒M3[40]南京华研2300—7.83.4—49位置/速率
东麒S7[40]南京华研4300—7.33.3——位置/速率
HUST-8FSA[48]华中科技大学61003——150—主从
4自由度水下机械手[49]哈尔滨工程大学4—0.684—————

新窗口打开| 下载CSV


水下电动机械手在精度、响应速度、维护和环保方面具有显著优势，并且通过关节驱动模块化设计（电机+减速器+编码器），许多原型机的功能性和适应性得到了增强. 然而，在许多工业干预任务中，典型的电动机械手通常无法满足速度、强度或力的要求，这是电驱动技术的局限性导致的. 此外，在极端高压或低温的深海环境下工作时，电动机械手仍然需要压力平衡装置以保证其耐压性、防水性，这增加了系统重量和能耗. 因此，在电动机机械手未来的发展中，须弥补其模块化与轻量化技术在深海密封以及高功率密度上的不足.

2. 水下机械手的动力学模型

动力学模型通常用来描述和预测机械手在水下环境中的运动和力学特性，是机械手设计和运动控制的基础. 由于水下环境复杂多变，机械手的运动会受到水流、浮力和重力等因素的影响而发生偏移，而且水深和流速等因素的变化会显著影响关节驱动力矩需求. 因此，提高动力学模型的准确性和实用性是水下机械手系统建模的核心问题.

水下机械手动力学模型的建立通常涉及陆地环境中的动力学模型和水下环境中的水动力学模型2部分. 陆地环境中的动力学建模方法包括Lagrange法、Newton-Eular法及Kane法等[50]，这些方法都比较成熟且完整. 水动力学模型的理论尚不完整且不成熟，缺乏准确的建模方法对其进行表示. 现有的水动力学模型主要考虑惯性水动力模型和黏性水动力模型，如图3所示.其中，Vn为来流法向速度，Vr为来流切向速度.

图 3

新窗口打开| 下载原图ZIP| 生成PPT

图 3   水下机械手的水动力模型示意图

Fig.3   Schematic diagram of hydrodynamic models for underwater manipulators


2.1. 惯性水动力模型

惯性水动力是由流体的速度变化引起的. 由流体力学理论可知，单个运动物体所受的水作用力可以表示为

$ F = {F_{\text{d}}}+{F_{\text{m}}}+{F_{\text{l}}}+{F_{\text{b}}}. $

式中：Fd为水阻力，Fm为附加质量力，Fl为升力，Fb为浮力[51]. 水阻力Fd与附加质量力Fm的计算采用Morison等[52]研究柱状结构波浪力时推导出的Morison方程，如图4所示，方程表示为

图 4

新窗口打开| 下载原图ZIP| 生成PPT

图 4   Morison方程的计算参数示意图

Fig.4   Schematic diagram of calculation parameters for Morison equation


${\mathrm{d}}F = {\mathrm{d}}{F_{\text{d}}}+{\mathrm{d}}{F_{\text{m}}} = \dfrac{1}{2}\rho {C_{\text{d}}}DV\left| V \right|{\mathrm{d}}x + \rho A{C_{\text{m}}}\dfrac{{{\mathrm{d}}V}}{{{\mathrm{d}}t}}{\mathrm{d}}x. $

式中：ρ为流体密度，Cd与Cm分别为阻力系数与附加质量力系数，D为连杆直径，A为连杆截面积，V为来流速度，dx为单元厚度.

目前，大量研究基于Morison方程建立静水环境下的惯性水动力学模型，但是静水假设与实际的工况环境存在差异，导致建模精度不够. 静水环境中水动力主要由机械手自身运动产生（搅水受力），此时来流速度V等效为连杆单元的法向速度. 同时，机械手是一种多关节的串联机构，不同关节之间的运动引起的水动力之间存在耦合作用，这时单个连杆产生的惯性水动力由多个连杆关节间的相对运动引起，在此基础上可以应用Morison方程计算其水阻力与附加质量力[53]. 惯性水动力矩对关节驱动力矩的影响很小，一般只占1%甚至0.01%，但是随着机械手的自由度增加，关节的耦合作用对驱动力矩的影响变得更显著. 研究表明，6自由度的机械手关节1所受的最大瞬时惯性水动力矩可以达到驱动力矩的8%左右[54]. 因此，设计多自由度水下机械手时须考虑惯性水动力矩对关节1驱动力矩的影响. 另外，浮力也是一个重要的影响因素. 浮力矩可以达到陆地环境中驱动力矩的2/3[55]；特别是对于高自重和大载重的机械手，由于浮力与质量成正比关系，浮力受到质量的显著影响，需要在动力学建模中对浮力矩项进行补偿.

在实际的水况环境下，存在水流的干扰，并且水流流速具有非定常性. 在更为复杂的海况环境中，还会受到洋流、波浪等因素的干扰[56]. 在水流干扰下，机械手所受的水动力一部分来自于静水中自身运动导致的搅水受力，另一部分来自于水流对静止姿态的机械手的冲击力. 综合水下各种干扰因素对关节驱动力矩的影响，浮力矩影响最大，可以达到陆地环境中驱动力矩的1/3；水流冲击力矩次之，为1/100；自身搅水力矩最小，仅为1/10000[57]. 在海浪环境中，机械手的水动力随时间和位置的变化而变化，来流速度为海浪速度减去机械手连杆的速度，这时需要的输入扭矩高于静水环境下2~3倍. 随着水深的增加，海浪环境和静水环境之间的差异逐渐变小；当水深为20 m时，需要的输入力矩和静水环境下几乎相同[58]. 因此，机械手所受的惯性水动力因水环境条件差异而呈现出不同程度的影响. 核电站水池、深海等环境中流速较慢的区域可以近似为静水环境，这时主要考虑浮力矩对驱动力矩的影响；对于多自由度机械手，还要考虑关节1的惯性水动力矩的影响. 在一般水况环境下，除了浮力矩外，还须考虑水流冲击力矩，特别是在流速较大的区域，冲击力矩显著增大. 在更为复杂的海况环境中，洋流、海浪引起的惯性水动力矩的影响更为明显，此时须加入相应的惯性水动力矩项.

此外，惯性水动力系数Cd、Cm作为水动力学建模的重要参数，与机械手动力学模型的准确性呈正相关. 对于惯性水动力系数，不能直接从理论上求解，一般通过经验法、模型试验法、CFD仿真法获取[59]. 其中，CFD仿真法具有计算周期短、成本低、不存在尺度效应等优势，已成为机械手水动力分析中的主流方法. 惯性水动力系数不仅与水环境条件相关，而且受到机械手形状和运动状态的显著影响. 针对单自由度机械手在不同运动状态下的惯性水动力系数的变化规律，Kolodziejczyk[60]提出一种惯性水动力系数归一化方法，其原理基于Sarpkaya[61]的研究成果：惯性水动力系数仅与机械手的质心位移有关. 利用CFD仿真数据构建水动力系数的近似函数曲线，表明该方法有望根据一组运动学数据近似地模拟其余测试数据. 该方法还被进一步扩展到方形机械手上[62]. 此外，多自由度机械手的关节之间存在相对运动，不仅导致水动力的耦合作用，而且会对惯性水动力系数产生影响. 多自由度机械手的阻力系数既取决于机械手旋转关节的尺寸，也取决于关节之间的相对运动，其中关节角速度的影响尤为显著；而上述因素对附加质量力系数的影响基本可以忽略[63]. 因此，对于单自由度机械手的惯性水动力系数的求解，可以利用CFD仿真数据进行拟合，转化为以机械手的质心位移为自变量的函数；多自由度机械手的阻力系数由质心位移、关节角速度共同决定.

2.2. 黏性水动力模型

黏性水动力与流体的黏性特性密切相关，反映了流体内部的摩擦力. 目前，黏性水动力学的研究主要针对船舶模型和水下航行器，对机械手的关注较少，导致模型在实际应用中的精度不够高.

黏性水动力主要由位置力、旋转力和耦合力组成，可以表示为力与力矩的六维分量Fv=[X, Y, Z, K, M, N]T，其中位置力与线速度有关，旋转力与角速度有关，耦合力是多个运动要素共同作用的结果. 建立黏性水动力模型，通常是建立黏性水动力的六维分量与位置力、旋转力和耦合力系数的数学关系式. 针对单自由度水下机械手的黏性水动力建模，刘晓瑜[64]对黏性水动力的数学关系式进行Taylor展开，建立了含有位置力、旋转力及耦合力的黏性水动力模型. 然而，对于多关节的机械手，仍然缺少经过大量试验验证、并被广泛认可的黏性水动力建模方法.

黏性水动力系数数量众多，测定较为困难，可以通过模型试验方法、经验法、CFD仿真法以及系统参数辨识法获取[65]. 模型试验是目前获得黏性水动力系数的主要方式，其中位置力系数一般通过风洞或斜航试验获得，旋转力及耦合力系数主要通过悬臂水池试验获得[66]. 针对水下机械手的模型试验，Filaretov等[67]利用一种借助空气动力学的气动隧道试验方法测定多连杆水下机械手的黏性水动力系数，但是该模型的试验成本高、周期长，不利于水下机械手的设计与研究. 由于很少有研究采用试验方法获取水下机械手的黏性水动力系数，而试验数据的缺少不利于经验法以及系统参数辨识法获取黏性水动力系数，CFD仿真法在黏性水动力系数的获取中逐渐成为不可或缺的工具. 针对单自由度水下机械手，可以借助CFD仿真模拟低速风洞试验来获得位置力系数，通过测量水下机械手在不同旋转角速度下所受的黏性水动力计算得到旋转力系数；耦合力系数的计算更为复杂，须结合机械手在水环境中的α角（旋转角度）、β角（机械手与来流方向的夹角）以及不同角速度下的运动状态，进行瞬态迭代计算，并测量各运动状态下的黏性水动力[68].

3. 水下机械手的运动控制与自主智能化

作为水下机械手的大脑，控制系统的复杂性体现在多输入/输出的时变非线性强耦合特性上. 早期的水下机械手大多采用开关控制、速率控制和主从式位置控制等传统运动控制方式，并通过触觉或视觉传感器辅助操作员执行任务. 这些方法具有高稳定性和易实现性. 然而，随着水下作业任务日益多样化和复杂化，这些传统控制系统已经难以满足高效率和高精度的作业需求. 一方面，水动力干扰、运动耦合效应以及系统噪声等非线性因素使得建立精确的动力学模型变得极为困难，导致模型参数与实际参数不匹配，从而产生了控制误差. 另一方面，为了应对作业时水下环境的不确定性（如水流变化、障碍物位置变动、负载变化等），控制系统需要具备更强的适应能力和自主能力. 因此，水下机械手不仅需要实现精确的运动控制，而且需要具备一定的自主智能化能力，以完成复杂的水下作业.

3.1. 运动执行层面的控制方式

水下机械手运动控制涉及动力学建模、水动力耦合分析和轨迹跟踪等多个方面. 随着技术的不断进步，研究人员正在不断探索新的运动控制算法和技术，以应对复杂水下环境中的动态不确定性和外部扰动. 目前水下机械手的运动控制方式有PID控制、自适应控制、滑模控制、模糊控制、神经网络控制以及融合多种控制方法的复合控制. 不同运动控制方式的适用条件及优缺点如表5所示.

表 5   水下机械手运动控制方式对比

Tab.5  Comparison of motion control methods of underwater manipulators

控制方式轨迹跟踪误差/rad适用条件优点缺点或存在问题
PID控制10−1~10−2适用于简单、线性系统，或对控制精度要求不高的场景，如简单的抓取操作结构简单、鲁棒性好、可靠性高系统自适应性差、抗干扰能力弱；在水下复杂环境中，PID参数调整困难
自适应控制10−2~10−3适用于模型不确定性高、存在外部扰动和参数变化的系统能够对建模参数进行估计、适应力强、鲁棒性好实现复杂、计算量较大，对系统动态特性要求较高且须对系统模型有一定了解
滑模控制10−2~10−3适用于强非线性系统，对快速响应和鲁棒性要求高的场景，如水下应急操作鲁棒性强、对参数变化和扰动不敏感、快速响应滑模面和控制律设计复杂，存在抖振、收敛速度不快、具有奇异性等问题
模糊控制10−2~10−3适用于难以建立精确数学模型的系统，如水环境条件复杂，参数难以精确测定不依赖精确数学模型，设计灵活、鲁棒性强系统控制精度有限，极其依赖经验总结，动态适应性较差
神经网络控制10−2~10−3适用于复杂非线性系统，尤其是需要自适应和学习能力的场景，如设备维修、安装具有很强的适应性和学习能力机理复杂、参数调节困难，需要大量数据和计算资源；存在过拟合问题，对数据噪声敏感
复合控制10−2~10−5适用于需要高精度控制且存在可测量扰动的系统融合各种控制优势，控制精度高、适应性强系统参数较多，各种控制之间的融合需要相互协调

新窗口打开| 下载CSV


1） PID控制. PID控制由比例、积分、微分3个部分的控制器组成，具有结构简单、鲁棒性好、可靠性高等优点. 针对水下作业任务中电动机械手对控制系统的实时性和高精度要求，安江波等[69]设计双闭环PID控制系统，对速度、位置物理量进行调节，这种方式能够兼顾静态精度与动态特性. 为了进一步加强机械手位置控制的精度，程尉[70]提出三闭环反馈PID控制系统，通过在位置环内嵌电流环和速度环进行PID调节. 然而，如果多闭环系统的内环调节不当，反而会造成更大的误差. PID控制的自适应性较弱，水流扰动会导致系统的动态响应特性发生变化，且难以通过参数调节消除误差.

2） 自适应控制. 自适应控制基于测量信号对系统的不确定参数进行自动调整，可以在洋流、传感器噪声等干扰下的动态变化场景中实现更高的自主性并有效地补偿误差. 水流的干扰和航行器运动导致的干扰具有不确定性，如洋流流速变化、低通滤波器参数变化等，因此自适应控制极度依赖系统动态模型或实时参数更新. Yuh等[71]设计带有扰动观测器的自适应控制方式，实现了扰动偏差自动补偿，机械手的轨迹误差仅为10−3 rad左右. 在存在洋流干扰或参数不确定的情形下，复杂的轨迹规划与抓取/放置操作对系统的鲁棒性提出了更高要求. 为此，Santhakumar[72]提出带有非线性扰动观测器的自适应控制方案. 相较于传统扰动观测器，非线性扰动观测器在估计非线性未知扰动方面更具优势.

3） 滑模控制. 滑模控制通过设计滑模面，将系统状态驱动到滑模面上，并在该面上执行控制，实现对系统的稳定控制. 在克服系统的抖振问题并保证在有限时间内收敛的前提下，滑模控制仍然是对系统的参数变化及外部干扰快速响应的有效方案. 在处理变载荷和模型不确定性问题时，Xu等[73]提出一种高精度的滑模控制方案，通过指数趋近律提高系统的控制精度，并引入饱和函数来处理抖振问题. 在机械手轨迹跟踪试验中，相较于PID控制方法，该滑模控制方案展现出更强的鲁棒性. 由于工程应用中的滑模控制无法保证在有限时间内收敛，Venkatesan等[74]提出基于终端滑模的水下机械手控制方法，使用非线性函数来创建滑动表面，并设计干扰观测器对外界干扰和系统不确定性进行观测和补偿；在水流干扰下的机械手定位任务中，各关节角度误差为10−2 rad.

4） 模糊控制. 模糊控制是模仿人类思维进行控制的方式，通过专家的经验知识对外界环境干扰等难以精确建模的因素进行补偿，其控制精度由经验总结的完善程度决定.由于电液伺服系统控制的水下作业机械手的夹持力容易受到压力、温度等变化的影响，谭定忠等[75]设计引入智能权函数的模糊控制器，对参数进行自动调整，实现了对机械手手爪夹持力的稳定控制. 此外，不精确的多关节机械手动力学模型常导致计算力矩法控制的鲁棒性差. 可以将模糊控制与计算力矩控制结合，其中计算力矩部分作为前馈环节，模糊系统作为补偿环节，对模型的不精确部分进行自适应补偿[76].

5） 神经网络控制. 神经网络控制具有很强的适应性和学习能力，能够有效地逼近模型中不确定系统的非线性部分，并灵活适应变化的水下环境. 在水下航行器-机械手系统中，航行器与机械手之间的交互被视为外部干扰，这种干扰在模型中很难用精确的数学关系式来表示，而通过神经网络能够很好地识别系统中涉及的非线性干扰[77]. 同样，水下柔性伸缩机械手动力学建模过程中存在许多非线性因素，特别是在精确描述水下扰动转矩方面. Shang等[78]利用径向基函数（radial basis function, RBF）神经网络策略识别并补偿不同水流条件下的水下扰动转矩；相较于PID控制，RBF神经网络控制使跟踪误差的平均值降低了15.59%.

6） 复合控制. 单一控制方式各有优缺点，可以加以融合，提供更加稳定、高效的控制策略. 为了弥补PID控制在自适应能力和动态特性上的不足，王立权等[79]设计模糊PID控制方式，通过模糊控制原理对PID的比例、积分、微分参数进行在线修改，调节速度比单一PID控制快了1倍. 神经网络控制也常被加入到PID控制中，例如，小脑模型关节控制器神经网络作为PID控制中的前馈环节，通过学习不断逼近期望的输出力矩，从而在水流干扰及变载荷情况下将机械手抓放操作的轨迹跟踪误差控制在< 0.01 rad[80]. 在系统建模过程中，往往只能对已建模项进行补偿，难以抑制未建模的干扰，而复合控制可以通过多种方式分别对已建模项和未建模的干扰进行补偿. 针对自适应滑模控制系统的未建模项，付雯等[81]采用RBF神经网络，并通过动力学模型进行补偿，抑制了系统振动，使得各关节轨迹跟踪误差仅为10−3 rad. 此外，复合控制可以根据不同的参数不确定项选择合适的方式进行逼近或补偿. 高阳等[82]采用分块RBF神经网络逼近动力学模型中的参数不确定项，利用模糊控制对非参数不确定项中的摩擦力进行补偿. 结果显示，与单一的滑模控制、整体RBF神经网络控制、分块RBF神经网络控制相比，该方法使系统平均误差分别降低了85.5%、71.8%、93.1%.

3.2. 任务执行层面的自主智能化

在复杂的水下环境中，水流的干扰会导致目标位置发生偏移，仅依靠预设轨迹和固定的运动控制方式难以满足水下作业的需求. 此外，手动作业模式效率低下，控制精度较低. 因此，任务执行层面智能化的关键是水下自主作业. 水下自主作业系统先通过航行器完成自主定位与目标识别，继而规划路径并自主航行至目标位置，最终机械手通过视觉引导、预编程与示教、强化学习等方式实现精准的自主操作.

1） 视觉引导. 通过视觉识别、测距并控制机械手移动来完成目标跟踪和自主作业. 在水下环境的低能见度及水动力影响下，手动作业存在耗时长、效率低的问题. Hildebrandt等[83]采用分层控制框架，先通过立体视觉系统进行场景识别与目标的粗略定位，引导机械手移动至预定义的接近位置，随后通过腕部摄像头的视觉伺服控制，根据图像修正末端执行器的位姿，实现固定物体的自主抓取. Sivčev等[84]设计基于位置的视觉伺服控制算法，利用视觉系统实现姿态估计，通过逆运动学模块计算关节运动，实现全自动阀门操作与工具抓取. 针对视觉伺服的定位问题，肖治琥[85]通过引入超声接近传感器提高目标定位精度. 视觉引导下的目标识别和定位面临诸多挑战，如低光照、高噪声、目标遮挡等. 因此，须构建以视觉为主导，结合触觉、声波等模态的多感知传感器系统，确立机械手-目标位姿关系，实现复杂环境下的自主操作.

2） 预编程与示教. 对于一些重复性强的固定任务，如更换工具、转动阀门等，可以采取预先编写程序或者示范教学的方式，使机械手按照给定程序或预先学习的流程进行自主作业. Jun等[86]设计一种工作区控制系统，通过预编程的运动模式，可以实现机械手钻孔、取样等自主作业. Carrera等[87]采用示教学习算法，使机械手系统通过人类示范学习阀门操作任务，提取关键特征并生成抗扰动运动策略，在14 kg水流冲击力下仍然保持了50%的成功率. Lane等[88]设计基于示教学习的水下机器人自主作业框架，经过示教学习后，机械手在自主检查、锚链清洁和阀门操作等任务中的成功率超过80%. 预编程方式适合已知环境参数下的任务，在突发情况下对扰动的响应能力有限. 示教方式通过人机协作，将人类示教与算法结合，对于环境的动态变化具有适应性，但是需要大量的训练集作为支撑. 目前，随着虚拟现实（virtual reality, VR）技术快速发展，借助VR设备，通过构建沉浸式交互环境，操作员能够直观、高效地引导机械手学习复杂任务，从而提高自主作业能力.

3） 强化学习. 采用强化学习、深度强化学习等人工智能方法，使机械手能够在仿真环境下不断交互学习控制策略，并将所学策略迁移到真实场景，以自主适应复杂环境. 王聪等[89]在深度强化学习框架下，通过对训练环境进行多参数域随机化处理，结合近端策略优化算法，利用轨迹规划模块将强化学习输出的笛卡尔空间指令转化为关节控制量，实现水下机械手的自主抓取. 经过训练的机械手在仿真环境与真实水池中的自主抓取成功率超过70%. 水下环境中的动态干扰容易导致机械手难以从稀疏的奖励信号中学习到有效的作业策略，为此，Huang等[90]提出改进近端策略优化的深度强化学习方法，引入演员-评论家网络架构优化策略更新方向，结合人工势场理论设计密集奖励函数，使训练效率相较于未改进的算法提升了30%. 传统强化学习方法依赖于大量训练集来优化策略，但是由于水下环境的复杂性、昂贵的训练成本及迁移误差等挑战，难以高效训练自主作业能力. 因此，采用数字孪生技术构建与真实水下机械手高度一致的虚拟模型，在仿真环境中进行策略优化成为了重要趋势. 为了规避机械手自主抓取任务中的危险姿态并将所学策略快速迁移到机械手实体上，数字孪生被引入强化学习框架中，并结合径向函数代理模型来预测应力分布. 机械手的数字孪生模型在改进的深度确定性策略梯度算法下学习抓取策略，在真实环境中的抓取成功率超过80%，抓取姿态下所受的最大应力降低了40%[91].

4. 末端执行器

末端执行器是机械手与环境直接交互的重要部件，决定着操作性能和作业适用性. 根据末端执行器结构材料的软硬程度，分为刚性末端执行器和软体末端执行器. 刚性末端执行器在受到外力时基本不变形，在管道检查维护、设备安装和拆除等典型的海洋工程任务中，其稳定性、高夹持力能够得到最大限度的发挥. 软体末端执行器借助柔性材料的被动柔顺变形特性，在处理易碎样本、收集文物以及人机交互协作时发生碰撞等情况下可以实现顺应性、安全性的交互. 末端执行器从刚性到柔性发展，须具备良好的灵巧性和柔顺性，以适应目标对象随机化、任务要求精细化、作业形式多样化的水下作业.

4.1. 刚性末端执行器

刚性末端执行器由铝、钛、不锈钢及工程塑料（如丙烯腈-丁二烯-苯乙烯共聚物、聚乳酸）等硬质材料制成，常见的形式包括抓手、夹爪以及特定工具（如切割器、焊枪等）. 目前，商业末端执行器通常是单自由度的，主要用于无特殊要求的简单抓取和稳定夹持任务，表现出较高的适用性和操作效率. 但是，其结构简单、动作单一，不具备感知能力，在许多复杂任务中仍须依赖潜水员的介入，尤其在面对不规则物体的无损抓取、动态姿态调整或精细操作任务时表现出明显的局限性. 因此，许多学者致力于设计和研发更加灵巧、柔顺的执行器（如灵巧手）. 现有的具有灵巧、柔顺特性的刚性末端执行器及其参数如表6所示.

表 6   刚性末端执行器相关参数

Tab.6  Parameters of rigid end-effectors

刚性末端执行器名称研发单位手指结构工作水深/m驱动方式传动方式质量（空气）/kg抓取力/N
AMADEUS[92]爱丁堡赫瑞瓦特大学3指—液压—3.515.4
多关节刚性夹持器[93]东海大学2指—电动齿轮+腱绳——
十二面体灵巧手[94]哈佛大学5指1 100电动连杆——
SeeGrip夹持器[95]德国人工智能研究中心3指6 000液压+电动连杆9.5100
MARIS灵巧夹持器[96]博洛尼亚大学3指50电动腱绳4.5150
HEU Hand I[97]哈尔滨工程大学3指—电动腱绳——
HEU Hand II[98]哈尔滨工程大学3指—电动齿轮3.18
GUH14[99]卡拉布里亚大学/赫罗纳大学3指60电动齿轮+腱绳0.3—
Ocean One hand[100]斯坦福大学3指50电动腱绳—35
Three-Fingered Gripper[101]博洛尼亚大学3指100电动蜗轮蜗杆4.550
UNIBO[102]博洛尼亚大学3指25电动腱绳4.5150

新窗口打开| 下载CSV


借助特定结构的可变形性，是实现末端执行器灵巧、柔顺特性的主要方式，其本质是增加了执行器的自由度. Lane等[92]利用金属波纹管设计灵巧的三指夹持器AMADEUS，其手指由3个平行排列的金属波纹管组成，借助波纹管中的压力差可以实现手指±20°的弯曲. 链条结构由一系列可以相互转动的链节组成，类似于人手结构. 东海大学团队开发多关节的刚性夹持器，如图5中(b)所示，手指由4节链条组成，通过齿轮机构调节手指角度，可以包络抓取不同形状的物体. 此外，可以借助张紧弹簧机构调节手指刚度，以应对水流干扰[93]. 另一种十二面体灵巧手，如图5(c)所示，由于其独特的折叠结构设计，该灵巧手可以以0.2~0.5 m的幅度开合，能够承受1 100 m深海的高压，抓取水母等柔软的海洋生物[94]. 当面对非结构化环境时，对外部接触力、作业对象状态及动态变化的感知能力也是增强灵巧手的操作能力的前提条件. SeeGrip项目的灵活夹持器将触觉传感器嵌入到手指中，实现了实时反馈与精准控制[95]. MARIS项目（见图5(g)）将相机巧妙地放置在夹持器手掌中，使夹持器具备视觉感知功能[96].

图 5

新窗口打开| 下载原图ZIP| 生成PPT

图 5   具有灵巧、柔顺特性的刚性末端执行器

Fig.5   Rigid end-effectors with dexterous and compliant characteristics


在传动方式上，腱绳传动作为兼顾灵巧性与柔顺性的代表性方案，使执行器能够更自然地模仿人手的动作. 基于腱绳传动的HEU Hand I（图5(a)）可以将驱动及电气系统置于灵巧手的外部（如机械臂），使得手指和手掌内部的空间得以释放，提升了手的灵巧性[97]. 然而，腱绳传动的设计存在控制精度低、运动干涉等问题. 在HEU Hand I基础上，Meng等[98]用齿轮传动取代腱绳传动，并结合关节的位置传感器来提升关节角度控制的精度和稳定性. 另一种水下夹持器GUH14，如图5(h)所示，融合了齿轮与腱绳传动的特点，通过齿轮驱动近端指骨，通过腱绳驱动远端指骨. 这种组合驱动方式充分发挥了齿轮的高精度优势和绳索的柔顺性，适应水下复杂环境中对夹持器稳定性与灵活性的要求[99]. 为了降低机械结构复杂性，Stuart等[100]用弹性件替代销轴连接件，在灵巧手Ocean One hand（见图5(d)）中，通过在腱绳传动的手指关节间嵌入聚氨酯弯曲件，并结合预紧弹簧，使手指具有相对较低的弯曲刚度；通过调节手指刚度，可以满足不同场景下的抓取需求.

此外，在水下抓取作业中，传统执行器通过旋转关节实现手指的弯曲运动，在柔顺性上有所欠缺，很难抓取尺寸大于自身数倍的物体. 灵巧手Three-Fingered Gripper[101]，如图5(e)所示，用棱柱形关节替代手指的第一旋转关节，使手指能够向外延展，从而扩大了作业范围. UNIBO[102]（见图5(f)）采用改变手指相对位置的方式扩展工作空间，以提升柔顺性，并通过在食指与手掌之间设置垂直于掌面的旋转关节，使食指能够围绕手掌边缘线移动，从而具备不同的抓取姿态.

尽管通过增加执行器的自由度和采用腱绳传动等方式，执行器在灵巧性和柔顺性方面得到了显著提升，但是仍然存在明显的短板. 首先，刚性末端执行器的柔顺性和安全性有限，即使可以通过在外表面包覆软材料或借助各种感觉传感器的感知能力来提高操作性能，但其硬质特性仍然难以避免在抓取易碎或柔性物体时造成损伤. 其次，增加灵巧性的设计意味着更高的结构和控制系统复杂度，由于水下环境的特殊性，在兼顾抓取稳定性、适应性和密封性的同时如何确保执行器的可靠运行成为了重大挑战. 因此，未来仍须通过感知赋能与自主智能控制，进一步增强其柔顺性与灵巧性的功能表现，并考虑采用刚柔耦合的混合结构（如灵巧手Ocean One hand中关节间的弹性连接件），以弥补刚性末端执行器在柔顺性方面的根本性不足.

4.2. 软体末端执行器

软体末端执行器由柔性材料制造，弹性模量与生物材料相近，被赋予了高柔顺性、适应性和安全性. 相较于刚性末端执行器，软体末端执行器在与目标物体接触时能够自动顺应表面形状，降低作业过程中的样品损伤风险，提高交互安全性. 软体末端执行器的驱动方式主要分为流体驱动和智能材料驱动.

流体驱动是软体执行器使用最广泛的驱动方式，利用流体压力引发柔性材料的形变，以实现预期的运动. 然而，由于柔性材料本身的形变是多方向且不规则的，需要一定的约束结构，例如加入限制层或缠绕纤维线来引导和限制变形，使其在特定方向上表现出预期的功能性变形（如弯曲、扭转或伸展）. 在流体驱动的软体末端执行器中，纤维增强型执行器（fiber reinforcement actuator, FRA）和气动网格型执行器（pneumatic network actuator, PA）是2种主流的构型[103]，如图6所示.

图 6

新窗口打开| 下载原图ZIP| 生成PPT

图 6   流体驱动执行器的2种常见构型

Fig.6   Two common configurations of fluid-driven actuators


流体驱动执行器的性能已在不同深度的水环境中得到了验证[104-106]，如图7中(a)~(c)所示. Sinatra等[107]设计超轻柔PA型执行器，其手指结构包括柔韧的硅胶基质和由柔性聚合物纳米纤维制成的应变限制层，可用于抓取凝胶状海洋生物，见图7(e). 考虑到软体执行器在抓取时存在的不稳定、易滑落等问题，通过模仿自然界中具有高效抓取能力的生物结构，可以进一步提升其抓取性能. Dou等[108]利用捕蝇草的包络结构来提升PA型抓手的抓取性能，并通过手指底层的纹理结构增加抓取时的摩擦力. 如图7(d)所示，Wu等[109]模仿章鱼臂制作水下软体夹持器，该夹持器由6个带有吸盘的触手及腹膜组成伞形结构，能够在保证柔软接触的同时增强表面抓握力，实现对不规则物体的稳定吸附和抓取. 如图7(h)所示，受蟒蛇和触手头足类动物的启发，Galloway等[110]制成FRA型软体手，该软体手能够从接近笔直的形态转变为完全蜷缩的形态. 此外，一种软膜结构的抓手也被成功应用于水下1000 m的抓取任务. 该抓手利用堵塞原理，即在充满颗粒的膜内部与膜周围流体之间形成压差，来改变抓手刚度并实现抓取功能，见图7(g)[111].

图 7

新窗口打开| 下载原图ZIP| 生成PPT

图 7   兼具柔顺性与安全性的软体末端执行器

Fig.7   Soft end-effectors with compliance and safety


智能材料驱动方式利用智能材料在外部刺激下发生的形变来带动执行器结构运动，主要分为电活性聚合物（electroactive polymer, EAP）驱动和形状记忆合金（shape memory alloy, SMA）驱动[112]. 前者利用了材料在电场作用下的弯曲和拉伸特性，后者利用温度诱导下的SMA马氏体相变，使材料形状和刚度发生显著变化，从而实现执行器的驱动. 尽管EAP驱动已经在水下机器人中得到了广泛应用，但是其在软体手上的水下应用实例还很少见[113-114]. Engeberg等[115]通过向带有关节凹槽的拟人橡胶手指中嵌入SMA致动器制成水下软体手；加热时SMA弯曲，同时带动手指弯曲. 另一款SMA驱动的软体夹持器由上层中空结构的热塑性聚氨酯手指和下层的SMA致动器组成，能够实现弯曲动作，如图7(f)所示[116].

归纳现有的软体末端执行器及其参数，见表7. 软体末端执行器在柔顺性和安全性方面表现出显著优势，但是其实际应用仍然面临诸多技术挑战. 首先，现有软体抓手的抓取力通常仅能达到几牛顿，其柔软的主体结构难以支撑大重量目标物体的抓取. 其次，软体执行器的作业类型局限于抓取操作，对需要连续扭矩传输的任务（如拧螺丝、转阀门）缺乏有效的解决方案. 另外，柔顺性在赋予其对复杂目标的适应能力的同时，削弱了其在强干扰环境下的稳定性；在湍急的海域中，软体抓手难以抵御外部扰动，功能可能受到严重限制. 最后，软体材料在深海高压环境下容易发生形变或损坏，且长期在海水环境中使用时容易被腐蚀，出现疲劳失效问题.

表 7   软体末端执行器相关参数

Tab.7  Parameters of soft end-effectors

软体末端执行器名称研发单位手指结构工作水深/m驱动方式质量（空气）/kg抓取力/N
3D打印的PA型抓手[106]哈佛大学4指2 224气动—16.6
超轻柔PA型执行器[107]哈佛大学6指—气动—0.7
仿捕蝇草PA型抓手[108]沈阳自动化研究所3指—气动——
仿章鱼臂软体夹持器[109]北京大学伞形1.5气动—3.8
FRA型软体手[110]哈佛大学1指170气动—52.9
软膜抓手[111]贡比涅技术大学/罗德岛大学伞形1 000气动—25.1
SMA拟人手指[115]阿克伦大学1指—SMA0.0449.01
SMA夹持器[116]德尔夫特理工大学4指—SMA——

新窗口打开| 下载CSV


5. 结　语

水下机械手是现代海洋工程、深海探测和海洋资源开发中的重要工具，应用前景广阔，其发展趋势主要体现在以下4个方面.

（1） 结构设计轻量化、模块化. 现有商业水下机械手普遍存在体积大、自重大、运动迟缓、控制精度低及适应性差等问题，限制了其在深海、高压等极端环境中的应用. 因此，轻量化与模块化设计已成为重要趋势. 针对轻量化目标，主要通过优化材料、简化结构设计等方式，减小浮力与流体干扰，提高能效、系统稳定性以及运动控制精度. 模块化设计赋予机械手多功能性和适应性，通过集成可替换的模块化关节与功能组件，使其可以根据任务需求灵活配置自由度，从而实现高效作业.

（2） 动力学模型实用化. 当前水下机械手的动力学建模大多基于理想化假设，忽略了流速波动、洋流差异与海水黏性等水环境因素，难以满足实际作业需求. 为了提高模型实用性，须将惯性与黏性水动力纳入建模框架，并结合流速、水深等环境扰动进行系统分析. 特别是对于多关节机械手，目前尚缺乏统一、经过试验验证的黏性水动力学建模方法，须结合实际水域条件，构建高精度、多参数耦合的动力学模型. 同时，可以借助CFD仿真预测不同水域条件下的水动力响应，为结构优化与控制策略的调整提供依据. 最后，将水下试验作为关键验证手段，确保模型可靠性，支撑机械手在复杂海洋环境中的应用.

（3）自主智能控制成熟化. 当前已有不少学者为水下机械手设计了智能控制系统，采用多种运动控制方式实现轨迹跟踪，还引入了视觉算法、示教学习等技术，以增强机械手的自主作业能力. 然而，多数研究仍然停留在试验验证阶段，且依赖人工干预；商业化产品仍然普遍采用主从式遥控操作，效率低、精度差，难以适应复杂环境. 为了实现高精度、高效率的作业，需要发展具备自主感知、决策与控制能力的智能控制系统. 一方面，融合虚拟现实、数字孪生和可穿戴设备，构建智能人机交互平台，实现状态监控与操作辅助. 另一方面，结合多模态传感器、人工智能与数据挖掘，实现环境感知、路径优化、自适应策略调整等功能. 在水下工程应用中，可以基于图像识别与深度学习算法实现损伤识别与修复路径规划，或通过力传感与反馈技术实现安全、精细的操作.

（4）末端执行器灵巧化、柔顺化. 随着水下作业需求增长，商用末端执行器在抓取不规则物体和执行精细任务时表现出适应性差、响应迟缓、抓取成功率低等问题，须频繁调整机械手姿态，增加了控制复杂度与不确定性. 同时，针对不同任务，通常需要设计专用工具，限制了系统通用性与灵活性. 因此，具有灵巧性、柔顺性的执行器已成为水下作业研究热点. 通过集成力传感器等感知模块并结合自主智能控制系统，执行器可以实现自适应操作，减少对机械手姿态调整的依赖. 此外，刚柔耦合与仿生设计有效弥补了传统刚性与柔性执行器的不足，可以显著增强其在考古、生物采样、海洋工程等不同类型的作业任务中的执行能力.

参考文献

MORAN M E

Evolution of robotic arms

[J]. Journal of Robotic Surgery, 2007, 1 (2): 103- 111

DOI:10.1007/s11701-006-0002-x      [本文引用: 1]

WANG F, LIU H, CAO L, et al. A novel lightweight underwater manipulator based on ROS2 for reliable intervention [C]// Proceedings of the 9th International Conference on Automation, Control and Robotics Engineering. Jeju Island: IEEE, 2024: 345–349.

[本文引用: 1]

ANTONELLI G. Underwater robots: 2nd edition [M]. Cham: Springer, 2006: 1–7.

[本文引用: 1]

JONES D O B

Using existing industrial remotely operated vehicles for deep-sea science

[J]. Zoologica Scripta, 2009, 38 (s1): 41- 47

DOI:10.1111/j.1463-6409.2007.00315.x     

HOTTA S, MITSUI Y, SUKA M, et al

Lightweight underwater robot developed for archaeological surveys and excavations

[J]. ROBOMECH Journal, 2023, 10 (1): 2

DOI:10.1186/s40648-023-00240-4      [本文引用: 1]

SIVČEV S, COLEMAN J, OMERDIĆ E, et al

Underwater manipulators: a review

[J]. Ocean Engineering, 2018, 163: 431- 450

DOI:10.1016/j.oceaneng.2018.06.018      [本文引用: 3]

KOŁODZIEJCZYK W

Some considerations on an underwater robotic manipulator subjected to the environmental disturbances caused by water current

[J]. Acta Mechanica et Automatica, 2016, 10 (1): 43- 49

DOI:10.1515/ama-2016-0008      [本文引用: 1]

ZHONG Y, YANG F

Dynamic modeling and adaptive fuzzy sliding mode control for multi-link underwater manipulators

[J]. Ocean Engineering, 2019, 187: 106202

DOI:10.1016/j.oceaneng.2019.106202      [本文引用: 1]

ANDERSON V C. MPL experimental RUM [R]. La Jolla: Scripps Institution of Oceanography, 1960: SIO Reference 60-26.

[本文引用: 1]

纪辉, 兰宇, 武子为, 等

面向水下作业的水液压机械手研究与展望

[J]. 机械工程学报, 2023, 59 (4): 283- 294

DOI:10.3901/JME.2023.04.283      [本文引用: 1]

JI Hui, LAN Yu, WU Ziwei, et al

Research progress and prospect of water hydraulic manipulator for underwater operation

[J]. Journal of Mechanical Engineering, 2023, 59 (4): 283- 294

DOI:10.3901/JME.2023.04.283      [本文引用: 1]

WANG Z, CUI W

For safe and compliant interaction: an outlook of soft underwater manipulators

[J]. Proceedings of the Institution of Mechanical Engineers, Part M: Journal of Engineering for the Maritime Environment, 2021, 235 (1): 3- 14

DOI:10.1177/1475090220950911      [本文引用: 1]

Woods Hole Oceanographic Institution. History of Alvin [EB/OL]. [2024-07-15]. https://www.whoi.edu/what-we-do/explore/underwater-vehicles/hov-alvin/history-of-alvin/.

[本文引用: 1]

顾云冠, 曹智裕, 王道炎, 等. 系缆无人遥控潜水器HR01[J]. 海洋工程, 1987, 5(4): 1–7.

[本文引用: 2]

GU Yunguan, CAO Zhiyu, WANG Daoyan, et al. Tethered remotely operated vehicle HR01 [J]. The Ocean Engineering, 1987, 5(4): 1–7.

[本文引用: 2]

Schilling Robotics. Manipulator systems [EB/OL]. [2024-07-15]. https://www.technipfmc.com/en/what-we-do/subsea/robotics/manipulator-systems/.

[本文引用: 5]

Kratf TeleRobotics. Products [EB/OL]. [2024-07-15]. http://krafttelerobotics.cn/products/index.html.

[本文引用: 4]

Hydro-Lek. Manipulators [EB/OL]. [2024-07-15]. http://www.hydro-lek.com/manipulators.php.

[本文引用: 3]

Forum Energy Technologies. ROV tooling and components [EB/OL]. [2024-07-15]. https://f-e-t.com/subsea/rov-tooling-and-components/.

[本文引用: 2]

KNR Systems Inc. HYDRA-UW [EB/OL]. [2024-07-15]. http://rnd.knrsys.com/english/view.html?id_no=25&id_no1=5.

[本文引用: 1]

Oceaneering. Atlas hybrid manipulator [EB/OL]. [2024-07-15]. https://www.oceaneering.com/brochures/atlas-hybrid-manipulator/.

[本文引用: 1]

Seamor Marine Ltd. Hydraulic articulating robotic manipulator [EB/OL]. [2024-07-15]. https://www.environmental-expert.com/products/seamor-model-7f-h-arm-hydraulic-articulating-robotic-manipulator-281530.

[本文引用: 1]

Envirex. Hydraulic light-weight manipulator series [EB/OL]. [2024-07-15]. https://envirex.no/titanrob/.

[本文引用: 3]

ISE. Magnum subsea manipulators with integrated telemetry [EB/OL]. [2024-07-15]. http://207.102.77.253/manips.html.

[本文引用: 3]

杨喜荣. 深海水下作业型机械手控制系统研究[D]. 杭州: 浙江大学, 2006.

[本文引用: 2]

YANG Xirong. Research on control system of deep-sea underwater manipulator [D]. Hangzhou: Zhejiang University, 2006.

[本文引用: 2]

中国科学院沈阳自动化研究所. 7000米深海作业机械手[EB/OL]. (2015-10-23) [2024-07-20]. http://www.sia.cas.cn/kxcb/kpwz/201510/t20151023_4444028.html.

[本文引用: 2]

申雄. 模拟深水环境下双机械手协调作业关键技术研究[D]. 武汉: 华中科技大学, 2013.

[本文引用: 2]

SHEN Xiong. Study on key technologies for coordinated manipulation for dual manipulators in simulated deepwater environment [D]. Wuhan: Huazhong University of Science and Technology, 2013.

[本文引用: 2]

罗高生. 深海七功能主从液压机械手及其非线性鲁棒控制方法研究[D]. 杭州: 浙江大学, 2013.

[本文引用: 2]

LUO Gaosheng. Research on subsea 7 function master-slave hydraulic manipulator and its nonlinear robust control [D]. Hangzhou: Zhejiang University, 2013.

[本文引用: 2]

向忠祥, 茅及愚

“鱼鹰”号载人潜器打捞机械手的研制

[J]. 海洋技术, 1990, 9 (1): 12- 17

[本文引用: 1]

XIANG Zhongxiang, MAO Jiyu

Manipulator development for manned underwater salvage vehicle “the cormorant”

[J]. Ocean Technology, 1990, 9 (1): 12- 17

[本文引用: 1]

茅及愚, 张向明, 徐国华, 等

兰鲸号潜器两型机械手的结构设计研究

[J]. 海洋工程, 1998, 16 (1): 81- 88

[本文引用: 2]

MAO Jiyu, ZHANG Xiangming, XU Guohua, et al

The structure design and study of two manipulators on blue whale underwater vehicle

[J]. The Ocean Engineering, 1998, 16 (1): 81- 88

[本文引用: 2]

王千年. 深海液压机械臂的设计与分析[D]. 合肥: 中国科学技术大学, 2021: 6.

[本文引用: 1]

WANG Qiannian. Design and analysis of deep sea hydraulic manipulator [D]. Hefei: University of Science and Technology of China, 2021: 6.

[本文引用: 1]

孟庆鑫, 叶华武, 王晓东

SIWR-Ⅱ水下作业机械手动力机构特性分析

[J]. 哈尔滨船舶工程学院学报, 1993, 14 (1): 60- 65

[本文引用: 1]

MENG Qingxin, YE Huawu, WANG Xiaodong

Analyzing the characteristics of the motive mechanism of SIWR-Ⅱ manipulator under the water

[J]. Journal of Harbin Shipbuilding Engineering Institute, 1993, 14 (1): 60- 65

[本文引用: 1]

YOERGER D R, SCHEMPF H, DIPIETRO D M

Design and performance evaluation of an actively compliant underwater manipulator for full-ocean depth

[J]. Journal of Robotic Systems, 1991, 8 (3): 371- 392

DOI:10.1002/rob.4620080306      [本文引用: 2]

王承禧, 徐国华, 黄群, 等

自主式水下机械手系统研究

[J]. 海洋工程, 1996, 14 (3): 28- 36

[本文引用: 2]

WANG Chengxi, XU Guohua, HUANG Qun, et al

The research on autonomous underwater manipulator system

[J]. The Ocean Engineering, 1996, 14 (3): 28- 36

[本文引用: 2]

LANE D M, DAVIES J B C, CASALINO G, et al

AMADEUS: advanced manipulation for deep underwater sampling

[J]. IEEE Robotics & Automation Magazine, 1997, 4 (4): 34- 45

[本文引用: 2]

YUH J, CHOI S K, IKEHARA C, et al. Design of a semi-autonomous underwater vehicle for intervention missions (SAUVIM) [C]// Proceedings of 1998 International Symposium on Underwater Technology. Tokyo: IEEE, 1998: 63–68.

[本文引用: 2]

RIBAS D, RIDAO P, TURETTA A, et al

I-AUV mechatronics integration for the TRIDENT FP7 project

[J]. IEEE/ASME Transactions on Mechatronics, 2015, 20 (5): 2583- 2592

DOI:10.1109/TMECH.2015.2395413      [本文引用: 1]

FERNÁNDEZ J J, PRATS M, SANZ P J, et al

Grasping for the seabed: developing a new underwater robot arm for shallow-water intervention

[J]. IEEE Robotics & Automation Magazine, 2013, 20 (4): 121- 130

[本文引用: 1]

张奇峰, 张艾群

基于能源消耗最小的自治水下机器人—机械手系统协调运动研究

[J]. 机器人, 2006, 28 (4): 444- 447

[本文引用: 2]

ZHANG Qifeng, ZHANG Aiqun

Coordinated motion of an autonomous underwater vehicle-manipulator system based on energy consumption minimization

[J]. Robot, 2006, 28 (4): 444- 447

[本文引用: 2]

XIAO Z, XU G, PENG F, et al

Development of a deep ocean electric autonomous manipulator

[J]. China Ocean Engineering, 2011, 25 (1): 159- 168

DOI:10.1007/s13344-011-0014-9      [本文引用: 2]

HU X, CHEN J, ZHOU H, et al

Development of underwater electric manipulator based on interventional autonomous underwater vehicle (AUV)

[J]. Journal of Zhejiang University: Science A, 2024, 25 (3): 238- 250

DOI:10.1631/jzus.A2200621      [本文引用: 2]

南京华研. 水下电动机械臂 [EB/OL]. [2024-07-21]. https://www.huayanseal.com/?list_8/.

[本文引用: 4]

Graal Tech. UMA-1500-Manipulator [EB/OL]. [2024-07-20]. https://www.graaltech.com/products/uma-1500/.

[本文引用: 1]

SMITH J S, YU R, SARAFIS I, et al. Computer vision control of an underwater manipulator [C]// Proceedings of OCEANS'94. Brest: IEEE, 1994: I/187–I/192.

[本文引用: 1]

LEWANDOWSKI C, AKIN D, DILLOW B, et al. Development of a deep-sea robotic manipulator for autonomous sampling and retrieval [C]// Proceedings of the IEEE/OES Autonomous Underwater Vehicles. Woods Hole: IEEE, 2008: 1–6.

[本文引用: 1]

TERRIBILE A, PRENDIN W, LANZA R. An innovative electromechanical underwater telemanipulator-present status and future development [C]// Proceedings of OCEANS'94. Brest: IEEE, 2002: II/188–II/191.

[本文引用: 1]

Ocean Innovation System. STR OIS STR 5 function electric manipulator arm [EB/OL]. [2024-07-20]. https://www.str-subsea.com/products/rov-tools/manipulators-boom-arms/str-ois-str-5-function-electric-manipulator-arm.

[本文引用: 1]

Reach Robotics. ROV arms for harsh environments [EB/OL]. [2024-07-20]. https://reachrobotics.com/products/manipulators/.

[本文引用: 2]

ECA. Subsea electrical manipulator arms [EB/OL]. [2024-07-20]. https://www.ecagroup.com/en/solutions/subsea-electrical-manipulator-arms.

[本文引用: 3]

张建华. 深海模拟环境中液压水下机械手的仿真研究[D]. 武汉: 华中科技大学, 2012.

[本文引用: 1]

ZHANG Jianhua. Research and simulation of hydraulic underwater manipulator in the simulated environment of deep sea [D]. Wuhan: Huazhong University of Science and Technology, 2012.

[本文引用: 1]

安江波. 大时延水下机械手位置伺服控制技术研究[D]. 哈尔滨: 哈尔滨工程大学, 2008.

[本文引用: 1]

AN Jiangbo. Research on position servo control of underwater manipulator with time delay [D]. Harbin: Harbin Engineering University, 2008.

[本文引用: 1]

PURUSHOTHAM A

Kane’s method for robotic arm dynamics: a novel approach

[J]. IOSR Journal of Mechanical and Civil Engineering, 2013, 6 (4): 7- 13

DOI:10.9790/1684-640713      [本文引用: 1]

裴香丽, 田颖, 张明路

水下机械手水动力学分析及控制方法研究

[J]. 船舶力学, 2022, 26 (5): 679- 690

[本文引用: 1]

PEI Xiangli, TIAN Ying, ZHANG Minglu

Research on hydrodynamic analysis and control method of underwater manipulators

[J]. Journal of Ship Mechanics, 2022, 26 (5): 679- 690

[本文引用: 1]

MORISON J R, JOHNSON J W, SCHAAF S A

The force exerted by surface waves on piles

[J]. Journal of Petroleum Technology, 1950, 2 (5): 149- 154

DOI:10.2118/950149-G      [本文引用: 1]

王华, 孟庆鑫, 王立权

基于切片理论的水下灵巧手手指动力学分析

[J]. 机器人, 2007, 29 (2): 160- 166

[本文引用: 1]

WANG Hua, MENG Qingxin, WANG Liquan

Analysis on finger dynamics of dexterous underwater hand based on strip theory

[J]. Robot, 2007, 29 (2): 160- 166

[本文引用: 1]

王懿, 张爱霞, 郭瑞岩, 等

六自由度水下机械臂动力学模型及流阻影响研究

[J]. 北京理工大学学报, 2020, 40 (11): 1143- 1149

[本文引用: 1]

WANG Yi, ZHANG Aixia, GUO Ruiyan, et al

Dynamic model of 6-DOF underwater manipulator and its influence of flow resistance

[J]. Transactions of Beijing Institute of Technology, 2020, 40 (11): 1143- 1149

[本文引用: 1]

高涵, 张明路, 张小俊, 等

水下机械手动力学模型及力矩影响研究

[J]. 机械设计与制造, 2017, (3): 68- 71

[本文引用: 1]

GAO Han, ZHANG Minglu, ZHANG Xiaojun, et al

Research on underwater manipulator dynamics model and torque influence

[J]. Machinery Design & Manufacture, 2017, (3): 68- 71

[本文引用: 1]

ZHAO S, YUH J

Experimental study on advanced underwater robot control

[J]. IEEE Transactions on Robotics, 2005, 21 (4): 695- 703

DOI:10.1109/TRO.2005.844682      [本文引用: 1]

肖治琥, 徐国华

流干扰下的水下机械手动力学建模分析

[J]. 中国机械工程, 2011, 22 (21): 2521- 2526

[本文引用: 1]

XIAO Zhihu, XU Guohua

Study on dynamics of underwater manipulator under flow influences

[J]. China Mechanical Engineering, 2011, 22 (21): 2521- 2526

[本文引用: 1]

GE D, WANG G, GE J, et al

Trajectory tracking control of two-joint underwater manipulator in ocean-wave environment

[J]. Ocean Engineering, 2024, 292: 116329

DOI:10.1016/j.oceaneng.2023.116329      [本文引用: 1]

刘晓瑜, 田颖, 张明路

水下机械手动力学研究综述

[J]. 工程设计学报, 2021, 28 (4): 389- 398

[本文引用: 1]

LIU Xiaoyu, TIAN Ying, ZHANG Minglu

Review of underwater manipulator dynamics research

[J]. Chinese Journal of Engineering Design, 2021, 28 (4): 389- 398

[本文引用: 1]

KOLODZIEJCZYK W

The method of determination of transient hydrodynamic coefficients for a single DOF underwater manipulator

[J]. Ocean Engineering, 2018, 153: 122- 131

DOI:10.1016/j.oceaneng.2018.01.090      [本文引用: 1]

SARPKAYA T

Lift, drag, and added-mass coefficients for a circular cylinder immersed in a time-dependent flow

[J]. Journal of Applied Mechanics, 1963, 30 (1): 13- 15

DOI:10.1115/1.3630062      [本文引用: 1]

KOŁODZIEJCZYK W, KOŁODZIEJCZYK M, KUŹMIEROWSKI T, et al

Transient hydrodynamic coefficients for a single DOF underwater manipulator of a square cross-section

[J]. Ocean Engineering, 2023, 268: 113438

DOI:10.1016/j.oceaneng.2022.113438      [本文引用: 1]

WANG X, LIU Y, XUE G, et al

Transient hydrodynamics coefficients analysis of a six-degree-of-freedom underwater manipulator

[J]. Ocean Engineering, 2024, 312: 119156

DOI:10.1016/j.oceaneng.2024.119156      [本文引用: 1]

刘晓瑜. 基于水动力学的水下机械臂动力学分析及仿真实 验[D].天津: 河北工业大学, 2021.

[本文引用: 1]

LIU Xiaoyu. Research on dynamic analysis and simulation test of underwater manipulator based on hydrodynamics [D]. Tianjin: Hebei University of Technology, 2021.

[本文引用: 1]

王庆云, 韩明勇, 常开应, 等

水下机器人水动力参数CFD计算及操纵性预报

[J]. 中国海洋平台, 2023, 38 (1): 50- 56

DOI:10.12226/j.issn.1001-4500.2023.01.20230108      [本文引用: 1]

WANG Qingyun, HAN Mingyong, CHANG Kaiying, et al

CFD calculation of underwater vehicle hydrodynamic parameters and maneuverability prediction

[J]. China Offshore Platform, 2023, 38 (1): 50- 56

DOI:10.12226/j.issn.1001-4500.2023.01.20230108      [本文引用: 1]

胡志强, 林扬, 谷海涛

水下机器人粘性类水动力数值计算方法研究

[J]. 机器人, 2007, 29 (2): 145- 150

[本文引用: 1]

HU Zhiqiang, LIN Yang, GU Haitao

On numerical computation of viscous hydrodynamics of unmanned underwater vehicle

[J]. Robot, 2007, 29 (2): 145- 150

[本文引用: 1]

FILARETOV V F, KONOPLIN A J, GETMAN A V

Experimental determination of the viscous friction coefficients for calculation of the force impacts on the moving links of the underwater manipulators

[J]. Mehatronika, Avtomatizacia, Upravlenie, 2015, 16 (11): 738- 743

DOI:10.17587/mau.16.738-743      [本文引用: 1]

ZHANG M, LIU X, TIAN Y

Modeling analysis and simulation of viscous hydrodynamic model of single-DOF manipulator

[J]. Journal of Marine Science and Engineering, 2019, 7 (8): 261

DOI:10.3390/jmse7080261      [本文引用: 1]

安江波, 张铭钧, 孙昌将

水下机械手控制系统研究

[J]. 机械设计与制造, 2009, (5): 185- 187

[本文引用: 1]

AN Jiangbo, ZHANG Mingjun, SUN Changjiang

Research on control of underwater manipulator

[J]. Machinery Design & Manufacture, 2009, (5): 185- 187

[本文引用: 1]

程尉. 小型水下双臂机械手控制系统研究[D]. 武汉: 华中科技大学, 2020.

[本文引用: 1]

CHENG Wei. Research on small underwater dual-arm manipulator control system [D]. Wuhan: Huazhong University of Science and Technology, 2020.

[本文引用: 1]

YUH J, ZHAO S, LEE P M. Application of adaptive disturbance observer control to an underwater manipulator [C]// IEEE International Conference on Robotics and Automation. Seoul: IEEE, 2001: 3244–3249.

[本文引用: 1]

SANTHAKUMAR M

A nonregressor nonlinear disturbance observer-based adaptive control scheme for an underwater manipulator

[J]. Advanced Robotics, 2013, 27 (16): 1273- 1283

DOI:10.1080/01691864.2013.819608      [本文引用: 1]

XU G, XIAO Z, GUO Y, et al. Trajectory tracking for underwater manipulator using sliding mode control [C]// Proceedings of the IEEE International Conference on Robotics and Biomimetics. Sanya: IEEE, 2007: 2127–2132.

[本文引用: 1]

VENKATESAN V, MOHAN S, KIM J. Disturbance observer based terminal sliding mode control of an underwater manipulator [C]// Proceedings of the 13th International Conference on Control Automation Robotics & Vision. Singapore: IEEE, 2014: 1566–1572.

[本文引用: 1]

谭定忠, 张铭钧, 王立权, 等

水下作业液压机械手夹持力模糊控制技术的研究

[J]. 机床与液压, 2001, 29 (1): 24- 25

DOI:10.3969/j.issn.1001-3881.2001.01.010      [本文引用: 1]

TAN Dingzhong, ZHANG Mingjun, WANG Liquan, et al

Research on fuzzy control technology of grasping force in underwater hydraulic manipulator

[J]. Machine Tool & Hydraulics, 2001, 29 (1): 24- 25

DOI:10.3969/j.issn.1001-3881.2001.01.010      [本文引用: 1]

杨犇, 梁喜凤

基于模糊补偿的七自由度机械手轨迹跟踪控制

[J]. 机床与液压, 2012, 40 (23): 73- 75

[本文引用: 1]

YANG Ben, LIANG Xifeng

Track following control of a 7-DOF manipulator based on fuzzy logic compensation

[J]. Machine Tool & Hydraulics, 2012, 40 (23): 73- 75

[本文引用: 1]

LUO W, CONG H. Robust NN control of the manipulator in the underwater vehicle-manipulator system [C]// Advances in Neural Networks. Hokkaido: Springer, 2017: 75–82.

[本文引用: 1]

SHANG D, LI X, YIN M, et al

Rotation tracking control strategy of underwater flexible telescopic manipulator based on neural network compensation for water environment disturbance

[J]. Ocean Engineering, 2023, 284: 115245

DOI:10.1016/j.oceaneng.2023.115245      [本文引用: 1]

王立权, 王春林, 杜维杰, 等

基于Fuzzy-PID的水下作业机械手控制系统设计

[J]. 液压与气动, 2005, 29 (1): 27- 31

[本文引用: 1]

WANG Liquan, WANG Chunlin, DU Weijie, et al

Design of hydraulic control system for an underwater manipulator based on fuzzy-PID

[J]. Chinese Hydraulics & Pneumatics, 2005, 29 (1): 27- 31

[本文引用: 1]

胡雯蔷, 徐筱龙, 徐国华

基于小脑模型关节控制器的水下机械手复合运动控制的研究及仿真

[J]. 中国机械工程, 2008, 19 (16): 1891- 1894

[本文引用: 1]

HU Wenqiang, XU Xiaolong, XU Guohua

Research and simulation on multiplex-athletics control of underwater manipulator based on CMAC

[J]. China Mechanical Engineering, 2008, 19 (16): 1891- 1894

[本文引用: 1]

付雯, 温浩, 黄俊珲, 等

基于非线性动力学模型补偿的水下机械臂自适应滑模控制

[J]. 清华大学学报: 自然科学版, 2023, 63 (7): 1068- 1077

[本文引用: 1]

FU Wen, WEN Hao, HUANG Junhui, et al

Adaptive sliding mode control of underwater manipulator based on nonlinear dynamics model compensation

[J]. Journal of Tsinghua University: Science and Technology, 2023, 63 (7): 1068- 1077

[本文引用: 1]

高阳, 张晓晖, 高玉儿, 等

基于神经网络和模糊补偿的水下机械臂控制

[J]. 计算机工程与应用, 2022, 58 (15): 317- 323

[本文引用: 1]

GAO Yang, ZHANG Xiaohui, GAO Yu’er, et al

Control of underwater manipulator based on neural network and fuzzy compensation

[J]. Computer Engineering and Applications, 2022, 58 (15): 317- 323

[本文引用: 1]

HILDEBRANDT M, KERDELS J, ALBIEZ J, et al. Robust vision-based semi-autonomous underwater manipulation [M]// Intelligent Autonomous Systems 10. Baden: IOS Press, 2008: 308–315.

[本文引用: 1]

SIVČEV S, ROSSI M, COLEMAN J, et al

Fully automatic visual servoing control for work-class marine intervention ROVs

[J]. Control Engineering Practice, 2018, 74: 153- 167

DOI:10.1016/j.conengprac.2018.03.005      [本文引用: 1]

肖治琥. 深水机械手动力学特性及自主作业研究[D]. 武汉: 华中科技大学, 2011.

[本文引用: 1]

XIAO Zhihu. Study on dynamic characteristics and autonomous manipulation of underwater manipulator [D]. Wuhan: Huazhong University of Science and Technology, 2011.

[本文引用: 1]

JUN B H, SHIM H W, LEE P M, et al. Workspace control system of underwater tele-operated manipulators on ROVs [C]// Proceedings of the OCEANS 2009-EUROPE. Bremen: IEEE, 2009: 1–6.

[本文引用: 1]

CARRERA A, PALOMERAS N, HURTÓS N, et al

Cognitive system for autonomous underwater intervention

[J]. Pattern Recognition Letters, 2015, 67: 91- 99

DOI:10.1016/j.patrec.2015.06.010      [本文引用: 1]

LANE D M, MAURELLI F, KORMUSHEV P, et al

PANDORA-persistent autonomy through learning, adaptation, observation and replanning

[J]. IFAC-PapersOnLine, 2015, 48 (2): 238- 243

DOI:10.1016/j.ifacol.2015.06.039      [本文引用: 1]

王聪, 张子扬, 陈言壮, 等

基于深度强化学习与多参数域随机化的水下机械手自适应抓取研究

[J]. 信息与控制, 2022, 51 (6): 651- 661

[本文引用: 1]

WANG Cong, ZHANG Ziyang, CHEN Yanzhuang, et al

Deep reinforcement learning and multi-parameter domain randomization based underwater adaptive grasping research for underwater manipulator

[J]. Information and Control, 2022, 51 (6): 651- 661

[本文引用: 1]

HUANG H, JIANG T, ZHANG Z, et al

Learning strategies for underwater robot autonomous manipulation control

[J]. Journal of the Franklin Institute, 2024, 361 (7): 106773

DOI:10.1016/j.jfranklin.2024.106773      [本文引用: 1]

YANG X, GAO J, WANG P, et al

Digital twin-based stress prediction for autonomous grasping of underwater robots with reinforcement learning

[J]. Expert Systems with Applications, 2025, 267: 126164

DOI:10.1016/j.eswa.2024.126164      [本文引用: 1]

LANE D M, DAVIES J B C, ROBINSON G, et al

The AMADEUS dextrous subsea hand: design, modeling, and sensor processing

[J]. IEEE Journal of Oceanic Engineering, 1999, 24 (1): 96- 111

DOI:10.1109/48.740158      [本文引用: 2]

TAKEUCHI K, NOMURA S, TAMAMOTO T, et al. Development of multi-joint gripper for underwater operations [C]// Proceedings of the OCEANS - MTS/IEEE Kobe Techno-Oceans. Kobe: IEEE, 2018: 1–6.

[本文引用: 2]

TEOH Z E, PHILLIPS B T, BECKER K P, et al

Rotary-actuated folding polyhedrons for midwater investigation of delicate marine organisms

[J]. Science Robotics, 2018, 3 (20): eaat5276

DOI:10.1126/scirobotics.aat5276      [本文引用: 2]

KAMPMANN P, KIRCHNER F

Towards a fine-manipulation system with tactile feedback for deep-sea environments

[J]. Robotics and Autonomous Systems, 2015, 67: 115- 121

DOI:10.1016/j.robot.2014.09.033      [本文引用: 2]

SIMETTI E, WANDERLINGH F, TORELLI S, et al

Autonomous underwater intervention: experimental results of the MARIS project

[J]. IEEE Journal of Oceanic Engineering, 2018, 43 (3): 620- 639

DOI:10.1109/JOE.2017.2733878      [本文引用: 2]

WANG H, HUANG X, QI X, et al. Development of underwater robot hand and its finger tracking control [C]// Proceedings of the IEEE International Conference on Automation and Logistics. Jinan: IEEE, 2007: 2973–2977.

[本文引用: 2]

MENG Q, WANG H, LI P, et al. Dexterous underwater robot hand: HEU hand II [C]// Proceedings of the International Conference on Mechatronics and Automation. Luoyang: IEEE, 2006: 1477–1482.

[本文引用: 2]

SPADAFORA F, MUZZUPAPPA M, BRUNO F, et al

Design and construction of a robot hand prototype for underwater applications

[J]. IFAC-PapersOnLine, 2015, 48 (2): 294- 299

DOI:10.1016/j.ifacol.2015.06.048      [本文引用: 2]

STUART H, WANG S, KHATIB O, et al

The Ocean One hands: an adaptive design for robust marine manipulation

[J]. The International Journal of Robotics Research, 2017, 36 (2): 150- 166

DOI:10.1177/0278364917694723      [本文引用: 2]

BEMFICA J R, MELCHIORRI C, MORIELLO L, et al

Mechatronic design of a three-fingered gripper for underwater applications

[J]. IFAC Proceedings Volumes, 2013, 46 (5): 307- 312

DOI:10.3182/20130410-3-CN-2034.00080      [本文引用: 2]

BEMFICA J R, MELCHIORRI C, MORIELLO L, et al. A three-fingered cable-driven gripper for underwater applications [C]// Proceedings of the IEEE International Conference on Robotics and Automation. Hong Kong: IEEE, 2014: 2469–2474.

[本文引用: 2]

WANG T, GE L, GU G

Programmable design of soft pneu-net actuators with oblique chambers can generate coupled bending and twisting motions

[J]. Sensors and Actuators A: Physical, 2018, 271: 131- 138

DOI:10.1016/j.sna.2018.01.018      [本文引用: 1]

LIU J, IACOPONI S, LASCHI C, et al

Underwater mobile manipulation: a soft arm on a benthic legged robot

[J]. IEEE Robotics & Automation Magazine, 2020, 27 (4): 12- 26

[本文引用: 1]

GONG Z, CHEN B, LIU J, et al

An opposite-bending-and-extension soft robotic manipulator for delicate grasping in shallow water

[J]. Frontiers in Robotics and AI, 2019, 6: 26

DOI:10.3389/frobt.2019.00026     

VOGT D M, BECKER K P, PHILLIPS B T, et al

Shipboard design and fabrication of custom 3D-printed soft robotic manipulators for the investigation of delicate deep-sea organisms

[J]. PLoS One, 2018, 13 (8): e0200386

DOI:10.1371/journal.pone.0200386      [本文引用: 2]

SINATRA N R, TEEPLE C B, VOGT D M, et al

Ultragentle manipulation of delicate structures using a soft robotic gripper

[J]. Science Robotics, 2019, 4 (33): eaax5425

DOI:10.1126/scirobotics.aax5425      [本文引用: 2]

DOU J, ZHANG D, SUN Y, et al. Design of enveloping underwater soft gripper based on the bionic structure [C]// International Conference on Intelligent Robotics and Applications. Harbin: Springer, 2022: 311–322.

[本文引用: 2]

WU M, AFRIDI W H, WU J, et al

Octopus-inspired underwater soft robotic gripper with crawling and swimming capabilities

[J]. Research, 2024, 7: 456

DOI:10.34133/research.0456      [本文引用: 2]

GALLOWAY K C, BECKER K P, PHILLIPS B, et al

Soft robotic grippers for biological sampling on deep reefs

[J]. Soft Robotics, 2016, 3 (1): 23- 33

DOI:10.1089/soro.2015.0019      [本文引用: 2]

LICHT S, COLLINS E, BALLAT-DURAND D, et al. Universal jamming grippers for deep-sea manipulation [C]// Proceedings of the OCEANS 2016 MTS/IEEE Monterey. Monterey: IEEE, 2016: 1–5.

[本文引用: 2]

ABOZAID Y A, ABOELRAYAT M T, FAHIM I S, et al

Soft robotic grippers: a review on technologies, materials, and applications

[J]. Sensors and Actuators A: Physical, 2024, 372: 115380

DOI:10.1016/j.sna.2024.115380      [本文引用: 1]

SHINTAKE J, SHEA H, FLOREANO D. Biomimetic underwater robots based on dielectric elastomer actuators [C]// Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems. Daejeon: IEEE, 2016: 4957–4962.

[本文引用: 1]

KOFOD G, WIRGES W, PAAJANEN M, et al

Energy minimization for self-organized structure formation and actuation

[J]. Applied Physics Letters, 2007, 90 (8): 81916

DOI:10.1063/1.2695785      [本文引用: 1]

ENGEBERG E D, DILIBAL S, VATANI M, et al

Anthropomorphic finger antagonistically actuated by SMA plates

[J]. Bioinspiration & Biomimetics, 2015, 10 (5): 56002

[本文引用: 2]

VAR S C S, JOVANOVA J. Design of a soft underwater gripper with SMA actuation [C]// Proceedings of the ASME 2023 Conference on Smart Materials, Adaptive Structures and Intelligent Systems. Austin: American Society of Mechanical Engineers, 2023: V001T06A013.

[本文引用: 2]

/

〈 〉