基于多传感器融合的海上风电机器人水下运动控制系统设计与应用

摘要：文章介绍了一种用于海上风电机器人的水下运动控制系统设计。该系统集成了流速补偿定位、水下声纳定位与导航、惯性导航、卡尔曼滤波融合、PID控制补偿和前馈补偿等关键技术算法，并详细阐述了其硬件和软件设计。抗流测试结果表明，该控制系统能够有效抵抗强流干扰，并在高流速环境下保持稳定运行。然而，水下声纳定位精度和惯性导航系统累积误差仍须进一步优化。该研究为海上风电机器人在复杂海洋环境下的自主作业提供了可靠的技术支持。

关键词：海上风电机器人；控制系统设计；水下运动控制；卡尔曼滤波

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）31-0119-03

开放科学（资源服务）标识码（OSID）：

0 引言

在全球对可再生能源需求日益增长的背景下，海上风电以其丰富的资源储量和清洁环保的优势，逐渐成为全球能源结构转型的重要方向[1]。然而，海上风电场的建设与运营面临着独特的挑战，尤其是其长期暴露于恶劣海洋环境，如盐雾腐蚀、台风侵袭、巨浪冲击及生物附着等，这些都对海上风电设备的维护作业构成了严峻考验。传统的人工维护方式不仅成本高昂，效率低下，还伴随着极高的人员安全风险，难以满足现代海上风电产业可持续发展的需求[2]。

为克服这些挑战，海上风电机器人技术应运而生，为海上风电场的维护提供了新的解决方案，并展现出巨大的应用潜力和创新价值[3]。本文旨在深入介绍并剖析一种专为海上风电维护任务设计的先进机器人控制系统。该系统通过集成轮式全向移动底盘、高效水下推进系统以及多功能拓展模块等关键技术，实现了在海上风电塔筒及水下复杂环境中的高效、灵活作业，极大地提升了维护任务的执行效率和安全性。本文的研究不仅丰富了海上风电机器人技术的理论体系，也为实际工程应用提供了有力的技术支持和参考，具有重要的理论意义和实际应用价值。

1 整体设计概述

机器人整体结构基于轮式全向运动底盘设计。水下机器人由本体结构、塔筒、陆上水下推进系统、动力系统及各作业模块构成。在陆地作业时，可拆卸水下推进器和浮力模块。视频声纳检查设备整合了一个声纳模块、两个摄像头模块和一个二自由度云台，实现高效检测。

此外，机器人能携带多种作业模块，如空蚀射流水下清洗模块和局部干湿环境水下焊接模块，以满足不同作业需求。供电和通讯方面，机器人采用零浮力的光电复合缆连接，确保稳定的能源供应和信息传输。

水下动力系统主要由螺旋桨推进器和浮力块组成，通过矢量控制的运动算法，实现任意方向和角度的灵活移动。为解决单一螺旋桨动力结构可能导致的自转问题，设计采用了闭环主动纠正偏移的方法，并在结构上采用斜对角、相邻角正反桨设计，使每个螺旋桨自转的分力相互抵消，有效解决了自转问题。

2 水下运动控制系统概述

风电机器人的控制系统由精密的软硬件模块构成。图1展示了一套完整的水下机器人运动控制系统拓扑图。上位机和操作台作为用户端，实现操作与监控功能。通讯模块与电力模块协同工作，确保通信畅通与电力稳定供应。下位机中的水下运动控制板负责姿态调整与运动逻辑。机载电脑作为通讯中继，并负责固件更新与烧录。

风电机器人的运动控制机制分为水下ROV潜水器螺旋桨推进部分和风机塔筒后轮式驱动部分。机器人需在远离风电塔筒的特定位置吊入水中，巡航至塔筒附近，调整至垂直状态，与风机塔筒在水下实现耦合。此后，机器人由轮式驱动模式接管运动。

水下控制的关键挑战在于实现灵活姿态和6自由度的精准控制，确保水平航行、垂直航行、俯仰及变磁吸附能力。这是风电机器人在风电塔筒作业中的核心性能指标。该平台不仅满足风电塔筒作业需求，还具备在狭小空间完成特种作业的能力，如在水轮机和管道内的作业。

为实现高级别的运动控制功能，机器人配备了DVL双轴流速传感器、深度计、USBL信标系统及INS 惯性导航系统。这些传感器通过卡尔曼滤波融合算法，将数据信息反馈给水下运动控制算法接口，使机器人具备定深、定位、定偏航、定姿态等控制功能。此外，控制增益和各项补偿参数可在运行过程中通过控制台实时调控，确保在高速推进状态下，机器人仍能保持精准的姿态控制。

3 水下运动控制系统算法设计

水下机器人的成功操作高度依赖精准且稳定的导航与航行控制系统。在该系统中，定深、定位、定偏航及定姿态等关键技术至关重要。这些技术依赖流速计（DVL）、水下声纳定位系统（USBL）和惯性导航系统（INS）等传感器的协同工作，以精确反馈机器人的位置和姿态信息，为视距外的操作人员提供准确判断依据。

由于外部环境的显著影响和推进方式对螺旋桨的矢量调节需求，单靠人工操控难以满足操作需求。因此，水下运动控制系统需将操作人员的意图转化为控制指令，精确分配给每个螺旋桨。系统还需实时比对机器人的姿态、航向、航速、深度、推力和功耗参数与高阶命令，进行瞬时闭环调整，确保机器人按照预定目标进行精确稳定的操作。

3.1 流速补偿定位技术

水下机器人稳定作业的关键在于保持其在特定方位的恒定位置，以抵御洋流的冲击。为实现这一目标，DVL流速计起着至关重要的作用。DVL通过精确测量两个轴向上的水流速度，推算出机器人相对水体的运动状态。该信号实时传输至上位机，并结合其他传感器数据与先进算法，精准计算出使机器人保持原位所需的推力补偿值。通过这一技术，水下机器人能够在复杂水域环境中实现稳定、高效地作业。

3.2 水下声纳定位与导航技术

USBL技术作为水下机器人定位的关键手段，通过精确测量与水下标志物的距离及方向，为机器人提供高可靠性的定位信息。鉴于其卓越的适用性，即便在复杂多变的水下环境中，USBL技术亦能稳定地为水下机器人提供精准的位置数据，从而实现目标的高效定位和精确导航。

3.3 惯性导航技术

INS惯导系统通过测量加速度和角速度，计算机器人相对于初始参考帧的位置和姿态信息，确保其在执行水下任务时保持稳定的方向和姿态。INS系统可以结合DVL修正速度，并利用USBL修正位置，形成闭环设计，具有极高的可靠性且误差不会累积。该系统在狭小空间内执行特种作业，如在核电、水电、市政管道或水轮机内时至关重要。

实际设计中，机器人配备多套惯导设备，一套用于定位的INS系统，一套用于姿态解析的IMU惯性传感器。IMU集成多个备份，通过算法比对确保准确性，并与陀螺仪和磁力仪配合使用。INS系统则是复杂的高可靠度系统，主要用于导航而非运动控制。

3.4 卡尔曼滤波融合算法

卡尔曼滤波融合算法作为一种强大的状态估计工具，对于水下机器人导航的高精度要求提供了具有突破性的解决方案。其核心优势在于能够有效融合不同传感器的信息，同时处理系统的动态和测量误差，从而提供更具备鲁棒性、高精度的导航结果。

卡尔曼滤波的原理是一种递归估计算法，通过动态模型和测量模型，实时更新系统的状态估计。其核心方程包括预测步和更新步，通过对系统状态的迭代优化，不断提升导航的准确性[4]。

状态方程：

xk = Fxk - 1 + Buk + ωk

测量方程：

zk = Hxk + vk

式中：xk 是系统状态，F 是状态转移矩阵，B 是输入矩阵，uk 是输入，wk 是过程噪声，zk 是测量，H 是测量矩阵，vk 是测量噪声。

卡尔曼增益：

Kk = Pk|k - 1 H Tk （HP ） k|k - 1 H Tk + Rk-1

式中，Kk 是卡尔曼增益，Pk|k - 1 是先验估计误差协方差，Hk 是测量矩阵，Rk 是测量噪声协方差。

状态更新：

x k = xk|k - 1 + Kk （zk - Hk xk|k - 1 ）

误差协方差更新：

Pk = （I - K ） k Hk Pk|k - 1

这种融合机制消除了传感器误差和系统不确定性对机器人的影响，从而进一步提高了水下机器人导航系统在复杂水域环境中的表现。

3.5 PID 控制补偿算法

在水下控制系统算法中，PID（比例-积分-微分）控制算法在电机控制方面尤为重要。PID控制系统通过调整这3个参数，实现对电机的高效精准控制。首先，需要细致地调整参数，使其适应水下环境的动态变化。其次，通过精准的传感器测量，系统实时获取电机状态和环境变化信息。最后，控制信号通过PID 算法计算生成，并转化为实际控制信号，驱动螺旋桨。这种算法应用使水下机器人能在复杂水下环境中执行任务，推动了水下探测技术的发展。

3.6 前馈补偿算法

前馈算法是预测性控制策略，旨在优化水下机器人运动控制。它通过提前估计系统期望响应并补偿动态特性，确保系统提前做出适当反应。算法依赖于精确的水下机器人系统建模，考虑电机、螺旋桨及扰流等因素。通过预判电机输出与螺旋桨响应，算法在控制信号前即预测系统反应，加速对外部变化的响应并提升精准度。

实施前馈算法显著增强了水下机器人的运动性能与水下环境适应性，提升了鲁棒性。算法在预测控制与实时调整间寻求平衡，使机器人适应多变条件，保障任务完成。此技术广泛应用于水下探测、勘察与科研，展现了广阔前景与巨大潜力。

4 水下运动控制系统抗流测试

为评估机器人在风电塔环境中的实际运用潜力，本项目设立了水下运动控制系统稳定性及螺旋桨性能抗流测试。此测试旨在全面评估水下运动控制系统的稳定性及螺旋桨在强流环境中的效能。流速数据收集可使用机器人自带的DVL流速计或外置的固定流速计，但须确保两者保持较近距离以确保数据准确性。

为确保实验高效开展和数据收集准确性，实验前对机器人的水下运动控制性能进行了全面测试，包括伺服定深、伺服定向及伺服定位等关键方面。此次测试验证了水下机器人在高流速环境下无须人工干预能否维持稳定位置和姿态，避免被水流冲走的风险。

为全面评估水下运动控制系统在复杂气象条件下的性能，本次抗流测试在造浪池和水洞环境中进行，模拟海上风电场可能遇到的高流速和大风浪等极端条件[5]。通过细致评估，测试了机器人在不同流速和流向下的稳定性和控制精度，特别验证了在高流速环境下机器人展现出的全自动定深、定向功能以及在随机扰流环境下的驻停和按预设轨迹行进功能。

图2实验数据表明，在严格的抗流测试中，控制系统展现了高度的稳定性和可靠性，确保水下机器人以最高7节的航速稳定运行。造浪螺旋桨通过三角杠杆机构测试，显示出549N的峰值推力输出，机器人成功应对水流干扰，验证了系统的稳定性。结果表明，螺旋桨性能优化，为机器人在水下环境中的高效机动性提供了保障。

该控制系统的优势在于其卓越的抗干扰能力和模块集成的高效性。然而，水下声纳定位技术（USBL）在陆地作业时无法提供支持，且定位精度仍不足。因此，需要与其他传感器设备及滤波算法或人工判断相结合，确保定位信息的准确性。另外，INS惯导系统受限于物理原理，运行时间越长，定位误差越大。尽管优化算法和制造工艺可以减少误差，但无法完全消除。INS系统独立运行时，定位精度约为3‰。为改善这些状况，后续工作将在多传感器的配合与补偿算法方面进行深入优化。

5 结束语

本研究在控制系统设计上的创新之处，不仅体现在硬件与软件的高度整合上，更在于其先进的通信系统，该系统实现了实时的远程控制功能。这一设计极大地提升了水下机器人的稳定性及其多任务执行能力。本文总结了以下几点主要的发现与贡献：1）水下运动控制系统、通信系统与电力系统的协同作用，共同确保了机器人在水下环境中的稳定运行。2）实验结果有力地验证了控制系统在抗流测试中的卓越性能，为机器人的海上应用提供了可靠的保障。3）控制系统设计的创新性，为水下机器人领域开辟了新的技术路径。未来，本研究将致力于进一步增强机器人各系统与模块的软硬件集成度，贯彻实施标准化、规模化的设计理念，以满足各类任务的需求，并不断优化控制算法。此外，本研究还将积极拓展机器人在处理更复杂任务时的应用范围。这些举措旨在显著提升控制系统的效能，推动水下机器人技术的持续创新与发展。

参考文献：

[1] 国家发展改革委 外交部 商务部. 推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动[EB/OL].（2015-03-28）[2023-12-14]. https：//www.ndrc.gov.cn/xwdt/xwfb/201503/t20150328_956036.html

[2] ASIM T，ISLAM S，HEMMATI A，et al.A review of recent ad⁃vancements in offshore wind turbine technology[J]. Energies，2022， 15（2）： 579.

[3] 吴明志.智能巡检机器人于海上风电机组的应用探讨[J].设备管理与维修，2023（8）：118-120.

[4] 魏鹏，李保玉，张润锋，等.基于卡尔曼滤波的水下滑翔机组合导航研究[J].海洋湖沼通报，2023，45（5）：119-125.

[5] 魏延辉，张皓渊.水下作业型 ROV 定深控制系统的设计[J]. 中国科技论文.2016，11（8）.898-903.

【通联编辑：代影】

基金项目：研究经费来源国家电投集团公司统筹研发课题“海上风电智能运维机器人研究和应用”（项目编号：KYB12022FD05）