《Frontiers in Marine Science》：A novel adaptive impedance control algorithm for underwater manipulators
编辑推荐：
引言： 执行精密作业的水下机械臂同时受到非线性水动力不确定性和环境接触条件突变的影响，这使得传统的固定参数阻抗控制难以同时保持轨迹跟踪精度和柔顺交互性能。为解决此问题，本文提出一种适用于水下机械臂的自适应阻抗控制框架。
方法： 首先，通过显式考虑刚体动力学、附
引言： 执行精密作业的水下机械臂同时受到非线性水动力不确定性和环境接触条件突变的影响，这使得传统的固定参数阻抗控制难以同时保持轨迹跟踪精度和柔顺交互性能。为解决此问题，本文提出一种适用于水下机械臂的自适应阻抗控制框架。
方法： 首先，通过显式考虑刚体动力学、附加质量效应、非线性水动力阻尼和集总不确定性，建立了一个多自由度（multi-degree-of-freedom, DOF）动力学模型。随后，根据功能依赖性将集总扰动分解为依赖于状态的未建模水动力分量和残余外源扰动分量。采用径向基函数（Radial Basis Function, RBF）神经网络逼近依赖于状态的非线性分量，而非线性扩张状态观测器（Nonlinear Extended State Observer, NESO）则在线估计剩余的扰动，从而形成复合前馈补偿机制。在此基础上，开发了一种基于预设性能（Prescribed Performance Control, PPC）的自适应阻抗律，根据跟踪误差和接触力误差调节虚拟刚度和阻尼，同时约束瞬态性能。李雅普诺夫（Lyapunov）分析确立了闭环信号的一致最终有界性。搭建了MATLAB/Simulink–ROS/Gazebo联合仿真平台，用于评估所提控制器在时变流干扰和接触刚度突变条件下的性能。
结果： 在多种扰动条件下进行了重复仿真试验，以评估性能指标的统计鲁棒性。与传统固定参数阻抗控制相比，所提方法将末端执行器轨迹均方根误差（Root Mean Square Error, RMSE）降低了82.1%，峰值接触力降低了57.9%，力稳定时间缩短了49.4%。
讨论： 这些结果证明了在所测试的操作条件下，该方法具有改进的抗扰能力和柔顺交互性能，验证了所提架构的有效性，且无需预先了解环境刚度。
论文解读文章
1. 研究背景与问题
深海勘探是现代海洋工程与资源开发的重要战略方向。作为深海作业的核心执行机构，水下机械臂在海底采样、设备维护、打捞救援等任务中扮演着不可替代的角色。然而，与陆地环境不同，深海环境复杂多变。当执行精确抓取和目标物理交互任务时，机械臂面临着难以精确预测的动态边界约束。该领域的主要挑战在于，传统刚性位置控制策略在非结构化水下环境中，由于未知障碍物或目标的位置偏差，极易发生接触碰撞，系统缺乏在可变和不确定环境中的柔顺交互与自我保护能力。
实现水下机械臂安全可靠运行的具体痛点集中在两个核心维度：强水动力扰动的非线性效应和非结构化环境的动态耦合。一方面，深水流体介质引起的附加质量效应、浮力变化和时变粘性阻力导致机械臂本体动力学模型存在严重的动态时变偏置。另一方面，水下目标往往是未知的，机械臂从自由水中接触到目标的瞬间，面临的环境刚度具有极端的不可预测性和突变性。这两类动态耦合对象意味着控制系统必须在“自由空间的高刚度轨迹跟踪”与“接触环境的低刚度物理顺应性”之间找到极其严格的动态平衡，这也是当前水下机器人力-位混合控制亟待突破的关键瓶颈。
2. 研究内容与结论
针对上述问题，研究人员提出了一种面向水下机械臂的自适应阻抗控制框架。该框架旨在同时处理依赖于状态的未建模水动力、残余外源扰动以及突变的接触力约束。主要贡献包括：第一，开发了一种复合扰动补偿架构，其中RBF神经网络逼近可重复的依赖于状态的未建模水动力，而非线性扩张状态观测器（NESO）在线估计剩余的外源扰动和逼近残差。第二，构建了一种基于预设性能（PPC）的自适应阻抗律，根据跟踪和接触状态调整虚拟刚度和阻尼，从而显式约束瞬态跟踪行为，同时提高冲击顺应性。第三，在一个统一的Lyapunov框架内分析了扰动补偿和阻抗自适应回路，并在有界神经逼近和扰动估计误差存在的情况下，建立了闭环信号的一致最终有界性。通过在MATLAB/Simulink–ROS/Gazebo联合仿真平台上的多条件仿真和重复试验评估，与传统固定参数阻抗控制相比，所提方法将末端执行器轨迹RMSE降低了82.1%，峰值接触力降低了57.9%，力稳定时间缩短了49.4%。这些结果表明了改进的抗扰能力和柔顺交互性能，验证了所提架构的有效性。
这项研究的重要意义在于，它为水下机械臂在复杂水动力环境和未知接触条件下的高精度、高安全性操作提供了一种新的有效解决方案，有望推动深海作业技术的进步。
3. 主要关键技术方法
研究人员采用了以下关键技术方法：
- 1.
高保真动力学建模：基于拉格朗日方程，显式考虑了刚体动力学、附加质量效应、非线性水动力阻尼（包括线性粘性项和二次流体阻力项）以及重力和浮力恢复力矩，建立了多自由度（DOF）水下机械臂的非线性动力学模型。
- 2.
复合扰动观测与补偿机制：将集总扰动分解为依赖于状态的未建模水动力分量和残余外源扰动分量。利用RBF神经网络对前者进行逼近，同时构建非线性扩张状态观测器（NESO）在线估计后者，形成复合前馈补偿。
- 3.
预设性能自适应阻抗控制：开发了一种基于预设性能（PPC）的自适应阻抗更新律，根据轨迹跟踪误差和接触力误差在线调节虚拟刚度和阻尼，以在自由运动和接触两种模式下取得平衡，并约束系统的瞬态响应性能。
- 4.
联合仿真验证平台：搭建了MATLAB/Simulink–ROS/Gazebo联合仿真平台，用于在时变流干扰和接触刚度突变等条件下对所提控制器进行评估。
4. 研究结果
2.1 水下多自由度动态特征的提取与建模
研究人员首先构建了高保真的水下机械臂动力学模型。通过定义系统总惯性矩阵MS(q)和总科里奥利力及离心力矩阵CS(q, q?)，并将阻尼参数变化和外流场扰动合并为集总未知时变扰动向量τD，得到了标准解耦形式的控制方程。该模型揭示了时变扰动与控制输入在加速度驱动路径上的直接强耦合特性，表明任何未补偿的流体扰动都将直接作用于关节驱动轴，导致目标阻抗关系偏离期望行为。
2.2 基于RBFNN-NESO的动态扰动观测与前馈补偿机制
为实现未知流体扰动与控制输入的解耦，研究人员将系统动力学转化为状态空间形式，并将集总扰动ΔL分解为未知的状态依赖水动力分量Ψu(Xs)和残余外源扰动Ωext(t)。基于假设1（状态向量在紧集内演化且未知函数连续），采用RBF神经网络对Ψu(Xs)进行在线逼近。基于假设2（残余扰动有界且分段可微），设计了包含位置、速度和残余扰动三个扩展状态的非线性扩张状态观测器（NESO），其增益由单一名义观测带宽参数Ωo确定，实现了对残余扰动和逼近残差的实时估计。
2.3 基于预设性能的自适应阻抗控制律设计
为了在自由运动和环境接触之间平滑过渡，研究人员在笛卡尔空间中定义了阻抗模型，并通过预设性能函数（PPC）对跟踪误差的瞬态和稳态行为进行约束。PPC通过一个严格单调递减的性能函数和误差变换函数，将受约束的跟踪误差转换为无约束的等效误差。在此框架下，设计了自适应阻抗更新律，使虚拟刚度Kd和阻尼Bd能够根据跟踪误差和接触力误差在线调整。具体而言，当跟踪误差较大或处于自由空间时，增大刚度以保证跟踪精度；当接触力较大或与环境接触时，降低刚度以实现柔顺交互。通过Lyapunov稳定性分析，证明了整个闭环系统所有信号的一致最终有界性。
5. 讨论与结论
研究人员指出，本研究聚焦于仿真环境下的机械臂侧柔顺控制，并未完整建模自由移动的水下潜航器-机械臂系统（UVMS）的全感知-控制链。在实际的自主水下航行器（AUV）安装系统中，车辆位姿估计误差、基座运动、传感器噪声以及车辆-机械臂动态耦合会引入额外的不确定性，因此实际部署需要多传感器状态估计和协调的车辆-机械臂控制，这些是本研究的未来实验验证方向。
研究结论： 所提出的自适应阻抗控制框架通过结合状态依赖的神经逼近、残余扰动观测和预设性能约束的阻抗自适应，在统一闭环架构内有效解决了水下机械臂在非线性水动力不确定性和接触突变条件下的轨迹跟踪与柔顺交互难题。与传统的固定参数阻抗控制相比，所提方法在时变流干扰和接触刚度突变等多种仿真条件下，显著降低了末端执行器轨迹RMSE（82.1%）、峰值接触力（57.9%）和力稳定时间（49.4%）。这些结果证明了该方法在无需预先知道环境刚度的情况下，具有更优的抗扰能力和柔顺交互性能，验证了所提架构的有效性。
