仿螳螂虾机器人目标跟随闭环控制.pdf

第6卷 第5期2023年10月无人系统技术Unmanned Systems TechnologyVol.6 No.5October 2023仿螳螂虾机器人目标跟随闭环控制陈刚1*，徐一栋1，杨鑫1，赵鑫杰1，任向英2，吕菡之2（1.浙江理工大学机械工程学院，杭州310018；2.浙江方圆检测集团股份有限公司，杭州310000）摘要：针对高效开展水下目标跟随任务，提出一种仿螳螂虾机器人目标跟随闭环控制系统。首先以螳螂虾为仿生对象，完成了多腹足耦合运动的仿螳螂虾机器人结构与硬件系统设计。其次为验证控制系统的有效性，展开了一系列水下实验，其中包括对静态目标和动态目标的识别跟随。最终实验结果表明，该仿螳螂虾机器人可以在2 m1 m1 m的狭窄水池中完成多角度的转向以及灵活的速度调节，能够在与目标物运动方向夹角为55时完成目标跟随任务，最小跟随转向半径可达0.48 m。这不仅证明了基于仿生闭环中枢模式发生器的仿螳螂虾机器人能够有效完成特定目标的跟随任务，还为水下机器人的实际应用提供了新的思路。关键词：水下机器人；仿生机器人；仿螳螂虾；多腹足耦合运动；目标跟随控制；中枢模式发生器中图分类号：TP242.6 文献标识码：A 文章编号：2096-5915（2023）05-071-10DOI：10.19942/j.issn.2096-5915.2023.05.50Target Following Closed-loop Control of A Bionic Mantis Shrimp RobotCHEN Gang1*，XU Yidong1，YANG Xin1，ZHAO Xinjie1，REN Xiangying2，LYU Hanzhi2（1.School of Mechanical Engineering，Zhejiang Sci-Tech University，Hangzhou 310018，China；2.Zhejiang Fangyuan Test Group Co.，Ltd，Hangzhou 310000，China）Abstract:To efficiently carry out underwater target following tasks,a Central Pattern Generator-based closed-loop control system for bionic mantis shrimp robot target following is proposed.Firstly,the structure and hardware system design of a bionic mantis shrimp robot with coupled motion of multiple pleopods is completed.Then,a series of underwater experiments are conducted to verify the effectiveness of the control system,including the recognition of static and dynamic targets to follow.Finally,the experimental results show that the Central Pattern Generator-based mantis shrimp robot can accomplish multi-angle turning and flexible speed adjustment in a narrow pool of 2 m1 m1 m,and can complete the target following task at an angle of 55 from the target direction,with a minimum following turning radius of 0.48 m.The experiments demonstrate that the mantis shrimp robot based on the bionic closed-loop Central Pattern Generator can effectively accomplish the target-following task and provide new ideas for the practical application of underwater robots.收稿日期：2023-04-26；修回日期：2023-06-29基金项目：国家自然科学基金（52275037，51875528，41506116），浙江省重点研发项目（2023C03015）通讯作者：陈刚，博士，教授。引用格式：陈刚，徐一栋，杨鑫，等.仿螳螂虾机器人目标跟随闭环控制 J.无人系统技术，2023，6（5）：71-80.Chen G，Xu Y D，Yang X，et al.Target Following Closed-loop Control of A Bionic Mantis Shrimp Robot J.Unmanned Systems Technology，2023，6（5）：71-80.第 6 卷无人系统技术Key words:Underwater Robot；Bionic Robot；Bionic Mantis Shrimp Robot；Coupled Motion of Multi-pleopods；Target Following Control；Central Pattern Generator1 引 言 水下机器人目标跟随是一种新兴的机器人技术，它可以让机器人在水下环境中自主地跟随目标物体，可以为水下目标的搜寻、打捞、救援以及海洋生物探测跟随等任务提供有效的帮助。它还可以为军事研究和开发提供宝贵的数据，帮助军方更好地了解和掌握海洋的形态、气候和环境等信息。目前水下目标跟随技术的难点主要在水下视觉和机器人运动控制上。水下环境中的温度、湿度、流速、浊度、噪声等因素都会影响水下目标检测和跟随的准确性。此外，机器人在水中运动会受到水流等非线性因素干扰，这就要求机器人有良好的运动性能以及运动稳定性。经过数百万年的进化，许多海洋生物进化出优秀的运动能力，包括高速、高效率、高敏捷性等，螳螂虾更是其中的代表，其具有强有力的前螯1、出色的游动能力2、独特的视觉3特征，可以快速准确地跟随猎物，在必要时可以给予猎物致命一击。基于仿生学，许多仿生水下机器人已经涌现4，例如Muralidharan等利用形状记忆合金设计仿生鱼，能够实现双向形状记忆效果5。Chen等提出了一个仿生机器人蝠鲼，使用离子聚合物金属复合材料作为人造肌肉来模仿蝠鲼的游泳行为6。Wang等提出了腿桨混合驱动的浅滩类蟹机器人概念，并设计其步态7。本实验室同样进行了许多仿生机器人研究，如仿河狸机器人的智能控制8、仿河狸机器人的动力学建模9、基于神经网络控制的软体机器鱼等10。螳螂虾优异的运动本领是水下机器人理想的仿生对象，而目前尚未有模拟螳螂虾游动的机器人。因此以螳螂虾运动为基础，设计一种性能优异的仿螳螂虾机器人具有重要研究意义。运动性能优异的水下机器人是完成目标跟随任务的基础。此外，机器人完成水下目标跟随还需要通过各种传感器反馈外界信息11。摄像头结合了信息丰富和低成本的优点，目前已被广泛使用。如Sun等基于嵌入式视觉实现机器鱼的目标跟随12。Yan等通过摄像头判断L形光阵实现自主水下航行器的回收13。可见为机器人配备摄像头来捕捉水下目标特征并完成目标跟随、定位和导航等任务，具有广阔的应用前景。机器人自主完成目标跟随任务离不开对机器人的运动控制14，中央模式发生器（Central Pattern Generator，CPG）是动物产生有节奏运动控制信号的自然方式，已被广泛用于控制仿生机器人的运动15-16。CPG控制器能够以较少的参数调整机器人的节律性运动，控制运动高效、稳定性好17。为使机器人能够感知周围的环境并做出相应的调整，实现机器人的闭环控制非常重要。闭环CPG控制是提高机器人推进效率和机动性的一种有效方法18。例如，Chen等基于CPG的闭环控制驱动机器鱼避开障碍物并跟随指定的方向19；Wang等基于CPG设计仿箱鱼机器人运动控制器，通过实验验证了开环和闭环CPG控制器的有效性和稳定性20；Korkmaz等将CPG和模糊控制相结合，有效地控制了机器鱼运动21。在这些研究中，展现了基于CPG的闭环控制系统能有效感知外界环境并调整机器人运动状态。但目前研究的闭环CPG控制是基于单关节或多关节设计，尚未有针对多腹足耦合运动的机器人进行闭环CPG控制的研究。因此设计一种适合多腹足耦合运动的闭环CPG控制系统具有重要意义。本文以螳螂虾为仿生对象，完成了多腹足耦合运动的仿螳螂虾机器人结构与硬件系统设计，提出了一种基于多腹足耦合运动的仿生闭环CPG控制系统。本文的结构如下：第二章介绍了生物螳螂虾结构以及仿螳螂虾机器人结构及硬件系统；第三章提出基于闭环CPG的控制系统；第四章通过静态目标跟随与动态目标跟随实验对仿螳螂虾机器人游动性能进行测试，并验证控制系统的有72第 5 期陈刚等：仿螳螂虾机器人目标跟随闭环控制效性；第五章对本文进行讨论和总结。2 仿螳螂虾机器人设计 2.1结构设计本文设计了一种仿螳螂虾机器人，该机器人旨在模仿螳螂虾的运动方式，实现高效灵活的水下运动。如图1（a）所示，生物螳螂虾主要由头部、爬行足、腹足、尾部组成。其中身体上的5对腹足是螳螂虾游动动力的主要来源。以生物螳螂虾的结构为基础，设计仿螳螂虾机器人，整体结构及其重要零部件如图1（b）所示。机器人主要由头部、身体、尾部组成。在机器人的头部安装了摄像头，用于检测外界环境信息。机器人的身体上安装了5个腹足基座，每个腹足基座上安装了两个防水舵机来控制一对腹足运动。机器人在水中游动的动力通过安装在身体两侧的5对腹足前后划动产生。通过钢丝绳带动柔性脊柱可以实现机器人的转向运动。机器人的制作材料主要为光敏树脂，通过3D打印完成。光敏树脂材料的成型精度高，在水下物理性质稳定。图2为基于生物螳螂虾的腹足结构设计的仿生腹足，该仿生腹足采用三关节设计，其中一个关节为主动关节，采用舵机驱动，剩余两个关节为被动关节，利用水的阻力实现展开与折叠。当腹足向后运动，此时处于推进态，三个关节充分展开提供更大的推力。腹足回程时，此时处于恢复态，被动关节折叠减小前进的阻力。该设计充分利用水流特性，简化驱动结构，提高推进能力，降低了控制难度。2.2仿生腹足运动学建模根据仿螳螂虾机器人腹足的结构特点，基于DH参数法对机器人的腹足关节建立如图3所示坐标系。其中腹足的第一关节为主动关节，通过舵机运动实现，第二、三关节为被动关节，主要受图1生物螳螂虾与仿螳螂虾机器人Fig.1Biological mantis shrimp and sionic mantis shrimp robot图 2仿生腹足Fig.2Bionic pleopod73第 6 卷无人系统技术机械限位和水流的影响。将舵机基座设为参考坐标系x0z0y0，依次建立第一至三关节的坐标系x1o1y1至x3o3y3，此时所有的关节均在一个平面上且均为旋转关节。根据D-H参数表，当i=1时，关节齐次变换矩阵01T为01T=c1-s100s1c10000100001（1）当i大于1时，其从i-1到i坐标系的关节齐次变换矩阵均为i-1 iT=ci-si0Lisici0000100001（2）式中，c和s分别是cos和sin的简写。因此，得到的仿生腹足的正运动学公式为03T=01T12T23T=c123-s1230L1c1+L2c2s123c1230L1s1+L2s200100001 （3）式 中，c123=cos(1+2+3)，s123=sin(1+2+3)，且基于式（3），可根据舵机运动角度计算各关节在腹足关节坐标系下的坐标。2.3硬件设计仿螳螂虾机器人的控制硬件系统如图4所示，机器人的控制硬件主要分为视觉硬件和运动控制硬件两部分，视觉硬件主要由摄像头 OV2640、LCD显示屏、视觉控制板MaixBit组成。控制硬件主要由 ESP-32 WROOM、舵机驱动板 PCA 9685、图 3仿生腹足坐标系定义Fig.3Bionic pleopod coordinate system definition表1机器人腹足D-H参数Table 1Robot pleopod D-H parametersi123i-1000ai-10L1L2di000i123图 4控制硬件系统Fig.4Control hardware system74第 5 期陈刚等：仿螳螂虾机器人目标跟随闭环控制防水舵机组成。视觉硬件负责处理图像信息，将摄像头拍摄的图像进行去噪、校正、颜色滤波、二值化、绘制锚框等操作后，将物体的中心坐标、距离等信息通过串口通讯传递到运动控制板ESP32，控制器通过逻辑运算后调整运动参数，实现机器人的运动控制。仿螳螂虾机器人运动控制需要11个舵机电机，其中10个舵机控制5对腹足运动，1个舵机控制机器人转向运动。舵机驱动板PCA 9685 基于 IIC 通讯可以驱动 16 个舵机电机，满足控制需求。运动控制板ESP-32 WROOM可以实现双线程工作，能够同时完成运动控制信号输出和环境反馈信息处理。本文设计的控制硬件系统分为视觉硬件系统和运动控制系统，两者能够独立工作，充分利用硬件资源，也便于后期硬件升级适配。3 基于CPG的闭环控制系统设计 3.1CPG运动控制CPG控制着脊椎动物有节奏运动。通过对生物螳螂虾运动的观察和分析，本文提出了一种仿螳螂虾机器人CPG模型，实现对机器人腹足的灵活控制。采用的改进CPG模型方程为i=i+jr1jwij sin(j-i-ij)（4）r1i=i(i4(R1i-r1i)-r1i)（5）r2i=i(i4(R2i-r2i)-r2i)（6）xi=i(i4(Xi-xi)-xi)（7）i=xi+r1icos+r2isin（8）式中，i为振荡器的期望频率，xi、r2i和r1i代表第i个振荡器中输出偏差项、正弦项和余弦项的幅值状态变量，r1i、r2i和xi代表振荡器的偏差项、正弦项和余弦项的幅值状态变量的二阶导数；i代表振荡器从当前值趋向期望值的趋势因子，ij和wij分别决定了振荡器j对于振荡器i的耦合权重和相位的影响；R1i、R2i和Xi代表振荡器各对应输出项的固有幅值；i代表第i个振荡器的最终输出角度。该振荡器输出模型可以方便地根据运动步态规划参数拟合仿螳螂虾腹足运动特征，并继承Ijspeert振荡器的模型特点22，能够对振荡器的多个幅值参数、各振荡器的频率以及相位差进行直接的调控。图5展示了多腹足耦合运动的CPG网络的拓扑结构。CPG网络由6个振荡器组成，包括一个控制机器人转向的中枢振荡器与控制5对游泳足耦合运动的振荡器。3.2基于CPG的目标跟随闭环控制本文提出的基于CPG的目标跟随闭环控制系统包括：方向闭环控制和速度闭环控制。方向闭环控制用于调整跟随运动的方向，速度闭环实现跟随运动的速度控制，两者协同实现对目标物的精确跟随运动。系统的控制框图如图6所示。CPG的目标跟随闭环控制器主要由CPG 控制器、PID控制器、FL控制器组成。其中，CPG控制器作为机器人运动输出的主控制器，PID控制器用于调整CPG控制器中的中枢振荡器输出实现方向闭环控制，FL控制器用于调整CPG控制器中的腹足振荡器输出来控制机器人的跟随速度。图 5CPG网络的拓扑结构Fig.5Topology of CPG network图 6基于CPG的目标跟随闭环控制框图Fig.6CPG-based target following closed-loop control block diagram75第 6 卷无人系统技术整体工作流程为：视觉传感器采集目标物的信息输入视觉控制板，经过视觉控制板处理后，将目标物的视觉反馈信息通过串口输入到运动控制器，运动控制器通过PID控制器分析视觉信息中的水平偏差调整转向CPG参数，实现机器人的转向控制。对于机器人的速度控制，FL控制器结合视觉信息中的水平偏差和距离信息调整腹足CPG震荡频率，实现机器人的速度控制。两者配合实现对机器人的运动方向与速度调整，最终实现对目标物的精确跟随。3.3方向闭环控制仿螳螂虾机器人的方向控制是通过PID控制器调节CPG参数实现的。如图7（a）所示，视觉传感器得到的图像大小为320240，红色十字的坐标位置为（160，120）。摄像头在检测到目标物时会给出白色锚框以及锚框中心的坐标，通过对红色十字和锚框中心的水平坐标作差可以得到水平偏差x，其正负可以用来判断目标物相对于机体的位置，在本文中当x为负时，表示目标物在机体中心的左侧。PID控制器的输入偏差信号e（t）计算为e(t)=x-x(t)（9）通过PID控制器得到CPG模型输入参数之一D（t），表达式为D(t)=KP e(t)+Ki0te(t)dt+Kdde(t)dt （10）D（t）为CPG模型的偏移量，是仿螳螂虾机器人调整运动方向时唯一改变的参数。KP、Ki和Kd分别为PID控制器的比例系数、积分系数和微分系数。经过多次水下试验，观察仿螳螂虾机器人在不同 PID 参数下的转向性能。根据结果分析，采用比例积分控制来提高仿螳螂虾机器人的转向性能，KP，Ki，Kd分别设为0.7，0.2，0。为了保证结构安全，限制的D（t）的范围在-35，35。仿螳螂虾机器人在运动中根据误差e（t），实时调整机器人的运动方向，保证机器人跟随目标稳定游动。3.4速度闭环控制仿螳螂虾机器人的速度控制依据是视觉传感器反馈的目标位置和距离信息。如图7（b）所示，蓝色虚线以上为真实世界，蓝线以下为相机世界。根据图中几何关系可得L=R hr tan（11）r=a+b4（12）式中，L为机器人与目标物体的距离，R为目标物的真实半径，r为目标物在视觉传感器中半径所占的像素，h为固定的像素值，为视觉传感器视野范围的一半，判断目标物的锚框长为a，宽为b。由于水下光线复杂，实际相机判断锚框多数情况为矩形，有时还会出现矩形的长宽差距较大的情况，这对距离的判断有较大的干扰。因此计算目标物半径r时，同时考虑锚框的长和宽，可以使距离判断更加准确。为使机器人能够自主实现运动速度控制，本文设计模糊控制器如图8所示。模糊控制器采用Mamdanitype推理、三角隶属函数和质心解模糊。表1展示了根据实验经验设置模糊控制器的模糊规则，由于视觉传感器受光照影响较大，在判断目标物时容易出现锚框大小跳动较大的问题，影图7方向与距离判断原理Fig.7Direction and distance judgment principle图 8模糊控制器Fig.8Fuzzy controller76第 5 期陈刚等：仿螳螂虾机器人目标跟随闭环控制响视觉信息的准确性。因此，将解模糊后的输出进行标准化处理后，得到合理的腹足运动频率，使得机器人跟随运动更加稳定。4 实验结果与分析 4.1实验平台为验证基于CPG的目标跟随闭环控制系统的有效性，建立机器人实验平台如图9所示。实验水池大小为2 m1 m1 m，在水池顶部安装有摄像头，图中所示目标物黄色小球可以沿导轨运动。通过安装在顶部的摄像头记录机器人的游动视频，摄像头与智能手机交互，可实时观察机器人游动情况。机器人在跟随运动时，使用机体视觉控制板记录机器人游动时的第一视角图像。外部通过激光测距仪得到机器人运动的距离变化。通过处理机器人游动时间序列图得到机器人的运动状态。4.2静态目标跟随图10为仿螳螂虾机器人直行跟随静态目标物，目标物在机器人前方固定位置，机器人从静止出发。图10（a）为机器人运动时间序列图，从图中可以看出机器人在06 s快速游动接近目标物，当距离目标物较近时（即 915 s）运动速度减慢，符合速度控制规则。图10（b）为机器人判断目标物距离与真实距离对比，两者运动趋势相同，但存在一定误差，在第4秒达到最大误差为0.13 m。目前，因本文对于目标物的识别是基于颜色滤波，图像滤波对光线非常敏感，又因水下光线情况复杂，所以对目标物判断会有较大影响。图11（a）为机器人第一视角记录的目标物检测图像，红色十字为视野中心，白框内部为目标物，蓝色十字为目标物的中心，控制目标为两个十字重合。图11（b）为机器人运动过程中目标物在视野水平方向上的偏移变化，红线以上为目标物在机器人右侧，红线以下为目标物在机器人左侧。机器人经过5 s的转向微调使得目标物回到视野中心，在512 s的运动中，控制水平偏差在5像素内。在 1215 s 的运动中，目标物逐渐偏离中心，主要原因是随着机器人接近目标物，机器人调整目标物在视野中心需要更大的转向幅度，此图10机器人静态目标跟随实验Fig.10Robot static target following experiment表2模糊规则表Table 2Fuzzy rule table频率 偏差xSXMXLX距离 LSDSVSVSMDLMMLDVLVLL图 9实验平台Fig.9Experimental platform77第 6 卷无人系统技术时机器人的运动受惯性的影响较大，在水中转向时产生了漂移，从而导致不能及时调整位置。整体来看，机器人在运动中能够根据目标位置实时调整跟随方向，在本次静态跟随运动中控制左右偏差在11像素内，跟随方向波动不大，具有良好的跟随性能。4.3动态目标跟随图12为仿螳螂虾机器人跟随动态目标物的实验一，实验时目标物沿黄色箭头方向以0.1 m/s匀速运动，到达极限位置时停止运动。机器人垂直于目标物运动方向从静止出发。图12（a）为机器人运动时间序列图，可以看出机器人跟随目标物实时调整姿态，经过13 s的运动顺利追踪上目标物。图12（b）为机器人判断目标物距离与真实距离对比图，当机器人与目标物距离大于0.4 m时，出现距离判断不准确的情况，在距离较近时实际距离与判断距离基本一致。图13为机器人跟随动态目标实验二，实验时目标物沿黄色箭头方向以0.1 m/s匀速运动，到达极限位置时停止运动。机器人初始运动方向与目标物运动方向夹角为55，实验设定的目标为机器人接近目标物，设定目标距离为0便于测量机器人与目标物的距离。机器人在跟随运动的前13秒内，与目标物保持稳定的距离。机器人跟随运动的最小半径为0.48 m，整体运动平稳。结合动态目标跟随实验一和实验二的运动图像观察，当目标物与机器人中心偏差较大时机器人躯干的弯曲程度较大，这样可以快速调整运动方向，当目标物逐渐回到视野中心，机器人躯干的弯曲角度逐渐减小，保持目标物在机器人的视野范围内。图11机器人第一视角记录的目标物检测图Fig.11Target object detection map recorded from the first view of the robot图12机器人动态目标跟随实验一Fig.12Robot dynamic target following experiment I78第 5 期陈刚等：仿螳螂虾机器人目标跟随闭环控制5 结 论 本文以螳螂虾为仿生对象，设计仿螳螂虾机器人及其硬件系统，提出了一种基于CPG的目标跟随闭环控制系统。该控制系统将CPG控制、PID控制和FL控制三者结合，实现对机器人运动速度和方向的灵活调控。通过对静态目标物和动态目标物的跟随实验，结果表明机器人可以根据目标物在水平方向上的偏差和距离快速调整跟随速度和跟随方向，具体表现为机器人距离目标物越远跟随速度越快，接近目标物时速度减缓。当目标物偏离视野中心较大时，躯干的弯曲程度增大，转向半径更小，更有利于跟随目标物。偏差较小时，微调躯干弯曲角度，实现稳定的跟随方向控制。本文的研究结果验证了上述控制系统可以有效跟随水下特定目标，为水下目标跟随任务的实际应用提供了有力的支持。受机器人硬件限制，目前对目标物的识别为基于颜色滤波，在未来的研究中将提升机器人的硬件系统，可对基于多传感器的机器人水下感知算法进行研究，使仿螳螂虾机器人具备更为高效的在水下复杂环境中进行生物跟随、搜索、救援和避障等任务的工作能力。参 考 文 献1 Li X，Li X，Hou X，et al.Mantis shrimp-inspired underwater striking device generates cavitationJ.Journal of Bionic Engineering，2022，19（6）：1758-1770.2 Garayev K，Murphy D W.Metachronal swimming of mantis shrimp：kinematics and interpleopod vortex interactionsJ.Integrative and Comparative Biology，2021，61（5）：1631-1643.3 Blair S，Garcia M，Davis T，et al.Hexachromatic bioinspired camera for image-guided cancer surgery J.Science Translational Medicine，2021，13（592）：1-12.4 Yu J，Wang M，Dong H，et al.Motion control and motion coordination of bionic robotic fish：a review J.Journal of Bionic Engineering，2018，15（4）：579-598.5 Muralidharan M，Palani I A.Development of subcarangiform bionic robotic fish propelled by shape memory alloy actuatorsJ.Defence Science Journal，2021，71（1）：94-101.6 Chen Z，Um T I，Bart-Smith H.Bio-inspired robotic manta ray powered by ionic polymer-metal composite artificial muscles J.International Journal of Smart and Nano Materials，2012，3（4）：296-308.7 Wang G，Chen X，Yang S，et al.Subsea crab bounding gait of leg-paddle hybrid driven shoal crablike robot J.Mechatronics，2017，48：1-11.8 Chen G，Lu Y，Yang X，et al.Reinforcement learning control for the swimming motions of a beaver-like，single-legged robot based on biological inspiration J.图13机器人动态目标跟随实验二Fig.13Robot dynamic target following experiment II79第 6 卷无人系统技术Robotics and Autonomous Systems，2022，154：104116.9 Chen G，Peng W，Wang Z，et al.Modeling of swimming posture dynamics for a beaver-like robot J.Ocean Engineering，2023，279：114550.10 Chen G，Yang X，Xu Y，et al.Neural network-based motion modeling and control of wa-ter-actuated soft robotic fish J.Smart Materials and Structures，2023，32（1）：015004.11 Cong Y，Gu C，Zhang T，et al.Underwater robot sensing technology：a survey J.Fundamental Research，2021，1（3）：337-345.12 Sun F，Yu J，Xu D，et al.Target tracking of robotic fish based on embedded vision and CPG modelC.2013 IEEE International Conference on Information and Automation（ICIA），Yinchuan，China，August26-28，2013.13 Yan Z，Gong P，Zhang W，et al.Autonomous underwater vehicle vision guided docking experiments based on L-Shaped light arrayJ.IEEE Access，2019，7：72567-72576.14 Chen G，Zhao Z H，Wang Z Y，et al.Swimming modeling and performance optimization of a fish-inspired underwater vehicle（FIUV）J.Ocean Engineering，2023：113748.15 Yu J，Tan M，Chen J，et al.A survey on CPG-inspired control models and system implementationJ.IEEE Transactions on Neural Networks and Learning Systems，2014，25（3）：441-456.16 Kiehn O，Butt S J.Physiological，anatomical and genetic identification of CPG neurons in the developing mammalian spinal cordJ.Progress in Neurobiology，2003，70（4）：347-361.17 Ijspeert A J.Central pattern generators for locomotion control in animals and robots：a reviewJ.Neural Networks，2008，21（4）：642-653.18 Hjalmarsson H.From experiment design to closed-loop control J.Automatica，2005，41（3）：393-438.19 Chen J，Yin B，Wang C，et al.Bioinspired closed-loop CPG-based control of a robot fish for obstacle avoidance and direction tracking J.Journal of Bionic Engineering，2021，18（1）：171-183.20 Wang W，Xie G.CPG-based locomotion controller design for a boxfish-like robot J.International Journal of Advanced Robotic Systems，2014，11（6）：87.21 Korkmaz D，Ozmen Koca G，Li G，et al.Locomotion control of a biomimetic robotic fish based on closed loop sensory feedback CPG modelJ.Journal of Marine Engineering and Technology，2021，20（2）：125-137.22 Ijspeert A J，Crespi A.Online trajectory generation in an amphibious snake robot using a lamprey-like central pattern generator modelC.2007 IEEE International Conference on Robotics and Automation，Roma，Italy，April 10-14，2007.80