水下软体机械臂的模型预测波浪扰动抑制

受章鱼和其他水生动物的启发，软体机器人理应天然适用于水下作业，深水场景中的成功验证也印证了这一点。本研究致力于赋予软体臂在波浪主导环境（如海洋可再生能源设备所在的浅水区）中精确运动所需的智能。该场景比平静的深水环境更具挑战性，因为在低作业深度下，流体动力学波浪扰动可能构成重大障碍。我们提出了一种基于非线性模型预测控制的控制策略，该策略能够显式地考虑波浪扰动，通过估计即将到来的流体动力学载荷来优化控制动作。所提出的策略通过一系列任务进行了验证，涵盖设定值调节、轨迹跟踪和机械故障补偿，所有任务均在不同显著波高和谐峰周期的广泛范围内进行。所提出的控制方法相较于基线控制器，位置误差降低了高达 84%，证明了该方法的有效性。这些初步发现为在危险水域环境中执行任务的软体机械臂的开发与部署迈出了第一步。