随着对海洋的开发和利用,水下机器人成为海洋探索和研究必不可少的工具。水下仿生机器人具有高效、灵活和隐蔽等优异特性,为人类探索海洋环境和开发海洋资源提供了便利条件。当然海洋环境复杂多变,单一的水下机器人难以完成探索海洋的任务,与之相比,多水下仿生机器人能够完成更复杂的任务。机器鱼以出色的游动能力和适应性,在面对复杂的水下环境时表现出了其优越性,因此多水下仿生机器人选用机器鱼来组成多机器鱼系统。多机器鱼系统关键在于各个机器鱼协调控制,因此多机器鱼协同工作一直是各研究机构的研究热点。本课题以多仿生机器鱼进行海洋监测为应用背景,针对多机器鱼的协调控制问题,对多机器鱼系统体系结构、任务分配及队形控制避障进行研究。1.在复杂的海洋环境中,机器鱼之间由于水环境的因素,机器鱼的视觉很容易受到干扰,所以提出了一种在机器鱼发生短暂视觉丢失时的补偿控制算法,算法主要由三个部分组成。一是基于二次滤波法的状态判定,二是基于半闭环控制的直线追踪法;三是圆弧切线法。实验结果表明,该算法可以实现机器鱼丢失视觉情况下的运动控制。2.为了提高多机器鱼系统完成任务的效率,对多机器鱼系统使用蚁群算法建立任务分配体系,在任务分配过程中设置能源消耗函数和航程距离函数为评价指标,实现任务的最优分配。仿真结果表明,蚁群算法可以有效的提高多机器鱼系统的任务分配效率,而且还可以看出,有效合理的任务分配可以使工作效率有很大提高。3.多机器鱼系统的队形控制采用势能函数来设计控制策略。该控制策略能够使多机器鱼系统中的多个机器鱼的运动方向收敛到统一的方向,速度收敛到同一值,且机器鱼之间不能够发生碰撞。未知的水环境中有障碍物存在,可以使用人工势场法的原理让多机器鱼系统避开障碍物,障碍物对多机器鱼系统有整体排斥力,目标点对多机器鱼系统整体有吸引力。设计合适的势能函数能够使得多机器鱼系统顺利的通过障碍物。仿真结果表明,该算法可以实现在未知的水环境中避开障碍物运动。