水下机器人－机械手系统控制方法综述

陈 巍，魏延辉，曾建辉，贾献强，王泽鹏

(哈尔滨工程大学自动化学院，哈尔滨 150001)

随着人类对海洋越来越重视，对海洋的探索和开发也不断加强，而水下机器人是人类进行探索和开发的必备工具，对该方向的研究也成为当前的科学研究热点之一。水下机器人主要包含遥控型水下机器人(ROV)和自主型水下机器人(AUV)，其中，自主水下机器人［1－2］被广泛应用于海底管道探测、深海科学探索、海底资源勘测、水下物体搜索等领域。

水下机器人除了进行观察外，很重要的是进行水下作业和取样工作，这就需要应用水下机械臂。自主水下机器人为了节约能量，都是采用欠驱动方式工作。而水下机械臂进行水下作业时就会对自主水下机器人产生干扰，而欠驱动的自主水下机器人无法保证自主稳定，这样水下机器人和水下机械臂的协调运动就成为关键问题。

本文在介绍水下机器人－机械手系统(UVMS)国内外的研究进展的基础上，对UVMS的建模方法、运动学规划算法以及其控制方法和具体的研究内容进行了归纳和总结，以便为相关研究人员提供参考。

1 UVMS研究进展

1.1 国外UVMS研究进展

国外进行UVMS的研究起步较早，多个国家和地区都开展了这方面的研究，主要包括美国、欧洲、日本以及韩国等，并促成了一批专门从事UVMS研究的大学和科研机构。

美国斯坦福大学［3］Aerospace Robotics实验室在1996年研制了OTTER，实现了自主机器人通过机械手系统从海底取回特定的物体(图1)。该UVMS可以搭载具有1个或2个关节的机械手，在美国蒙特里海洋生物研究所(MBARI)的测试水槽里进行了试验，为其后UVMS的设计、模型的建立以及控制方法验证提供了重要参考。欧盟［4］资助的深海采样先进机械手(AMADEUS)项目，由英国、意大利、西班牙以及希腊等国家的数所大学参加，重点研究执行任务时机械手的协调控制。美国夏威夷大学［5］的研究人员进行了SAUVIM项目课题的研究，如图2所示。SAUVIM通过分布式控制，以及机械手与本体的协调控制实现海底避障、路径规划以及识别和抓取目标物，并取得了一系列研究成果。

图1 美国OTTER

图2 美国SAUVIM

日本Kyushu Institute of Technology的Ishitsuka等［6］针对如图3所示的水下机器人－机械手系统Twin-Burger研究了分解加速方式控制系统动态的操纵性以及机械手与AUV本体的相互作用。韩国Pohang University of Science and Technology的Han等［7］利用PETASUS水下半自主水下机器人和PUM机械手组建成一套如图4所示的UVMS，这套系统具有小型化、方便拆卸、易于避障等特点。日本Sakagami等［8］研制了一种新型的UVMS模型，提出了一种基于重心改变浮心位置的水下机器人－机械手系统深度控制方法。伊朗Farivarnejad等［9］研究了水下机器人双机械手系统在水下完成共同夹持物体的动作过程，这使得UVMS在执行更加复杂的海底作业以及取样工作时更加灵活。

图3 日本Twin-Burger

图4 韩国PETASUS和PUM

1.2 国内UVMS研究进展

相比于国外，国内对UVMS的研究深度和广度还有一定差距，但也有多家单位做了很多该方面的研究，并取得了阶段性的成果。

中国科学院沈阳自动化研究所研制了搭载有三功能电动机械手的鱼雷型小型自治水下机器人。该机器人在系统的逆运动学求解中引入系统阻力优化函数［10］，将输入补偿项和机械手扰动补偿项作为载体控制的前馈项，设计了复合校正控制器［11］，并在系统运动学伪逆矩阵中引入惩罚调节因子［12］。该所还研制了一种配置有3自由度机械手的UVMS测试平台［13］，如图5所示。研究人员利用单目视觉对双特征点模型进行距离估计，对UVMS进行悬停定位。还利用双目立体摄像机信息［14］提出一种基于三维形态图的UVMS复杂环境目标识别方法。

图5 中科院沈自所UVMS测试平台

中国海洋大学常宗瑜等对水下机器人－机械手系统的建模以及控制方法进行了研究和探索，使用依据模糊逻辑策略的优先级方法［15］规划水下机器人本体以及搭载机械手的运动方式，采用基于力/位置混合的转矩控制［16］满足了机械手执行末端准确控制及定位的要求，并根据动平衡理论研究了机械手各个关节的展开运动对水下机器人本体干扰力和力矩最小化的运动规律［17］。

华中科技大学徐国华等［18］在机械手方面进行了一系列探索:对于负载时变的工作状况下机械手精确控制问题，研究了基于其动力学模型的控制技术，并进行了自主执行作业任务的实验研究;建立系统的运动学以及动力学数学模型［19］，使用设计的滑模控制方法来实现自主作业时各个子系统的协调控制;采用高性能PC104工控机和VxWorks系统作为机械手作业控制系统的开发平台［20－21］，在此基础上完成了控制系统的设计。

哈尔滨工程大学张铭钧等［22］针对小型水下机器人设计了一台3自由度的电动水下机械手，进行了水下机械手总体方案的规划设计，并与AUV集成为UVMS，进行了实验研究，提出了一种终端滑模控制策略［23］，通过径向基函数神经网络对系统模型中的不确定变量进行估计以实现自适应控制。江南大学谢俊元［24］根据深海载人潜水器的水下机械手资料进行了UVMS的研究。

2 UVMS建模及运动规划方法

2.1 UVMS建模方法

针对UVMS的协调控制，首先需要建立其系统模型，包括运动学以及动力学模型。目前常见的UVMS动力学和运动学建模方法主要有Newton-Euler法、Quasi-Lagrange法、Kane法、Davies法等。

1)Newton-Euler方法。这种方法可以建立UVMS递推方程，建立的模型直观，动力学方程的计算效率较高［15，17］。不足之处在于模型中方程数目较多，需要通过计算得出各部分之间的作用力，不适合用于整个系统的控制。McMillna等以及Antonelli等依据Newton-Euler法建立UVMS动力学模型［25］，并进行相应的仿真实验。

2)Quasi-Lagrange方法。这种方法中坐标量在局部坐标系中进行描述，基于能量的观点［15，17］，通过较少的方程建立系统的动力学方程。不足之处是其中的求偏导运算等过程较为繁琐。CUI等［26］通过Quasi-Lagrange建立整个系统的动力学方程。郭莹［27］等使用 Quasi-Lagrange方程建立自主水下作业系统的动力学数学模型，并对系统进行分析和控制。

3)Kane方法。这种方法建模效率较高，所需方程较少，但是要求通过计算得出系统各个关节或者组成部分的惯性力［15，17］，不太容易满足。Yang等［28］依据Kane方程对搭载了多个机械手的水下机器人－机械手系统建立了动力学模型。徐长密等［17］在使用指数积公式分析UVMS运动学基础上，结合系统所受到的力并基于Kane方程建立了其动力学模型。

4)Davies方法。这种方法是基尔霍夫原理在机械及机构学中的应用，其优点是可以方便地对封闭的运动学链进行控制，缺点在于大部分机械手是开环的运动学链结构，需要额外添加虚拟的Assur链以构成封闭的运动学链。Santos等［29］使用Davies方法描述了系统的运动学，在此基础上解决UVMS求解的冗余问题。此外，Santos等［30］还使用 Davies方法建立运动学模型，并进行UVMS轨迹跟踪的研究。Oliveira等［31］提出了以Davies方法为基础的双四元素位置反馈法，避免了UVMS奇异点的出现。

2.2 UVMS运动学规划算法

对于大多数的UVMS而言，主要包含水下机器人本体以及机械手系统两部分，UVMS完成作业任务也主要是通过进行运动学规划来实现。目前针对其运动学规划主要有梯度投影法、加权伪逆法、任务优先级规划法等多种算法［22］。

1)梯度投影法。该方法是将目标函数的梯度加入到运动学逆解中，在完成系统任务的前提下进行目标函数的优化。该方法的不足之处在于目标函数梯度的引入是否合理直接关系到完成任务的精度。

2)加权伪逆法。该方法是将加权阵引入到运动方程中，并以实现某种最小范数解为目的。其缺点是加权阵的选择方式直接决定了系统的作业水平和完成质量。

3)任务优先级规划法。该方法特点是在出现多个任务冲突时，可根据任务的优先级别来决定任务执行的先后顺序。限制该方法应用的主要因素是任务优先级的级别在不同作业任务中是否可以实现灵活调整。

3 UVMS控制策略

3.1 UVMS 控制方法

UVMS系统具有以下特点［26］:限制了其控制的有效性，难以获得水下机器人本体、机械手以及水下作业环境的准确模型;系统是非线性、强耦合的MIMO系统，难以找到比较有效的控制方法等。对于UVMS而言，目前常见的控制方法有PID控制、模糊控制、自适应控制、滑模控制以及鲁棒控制等［22－23］。

1)PID控制。PID控制是一种经典的控制策略，因其算法简单和可靠性高等突出特点，被广泛应用于各类系统的控制设计。Xu等［32］提出了一种PD类型的UVMS模糊逻辑控制器。Jinhyun等［33］针对机器人不同频段响应特性的差异设计了低频级和高频级 PD控制器。彭生全等［23］使用基于机器人速度以及位置变量的双闭环PID控制方法，实现了对动机械手与小型AUV本体集成的UVMS进行控制。Herman［34］提出了水下机器人的解耦PD定点控制方法，实现了增益矩阵与系统动力学方程的匹配。

2)模糊控制。模糊控制是对实际控制经验的总结，属于经验方法控制，其控制精度受到经验总结是否完善的限制，虽然其抗干扰能力较强，但是精度相对较差［23］。在UVMS的协调控制研究中，模糊控制也有很多应用。Antonelli等［35］对于UVMS冗余解问题提出一种解法，其中模糊方法被用来控制和分配本体与机械手的运动。Xu等［32］为UVMS提出了一种PD类型的模糊逻辑控制器，该控制器的增益基于模糊规则变化。他们［36］又依据神经模糊控制方法设计了用于UVMS的智能控制器，其控制性能优于传统的控制器。Santos等［37］提出了一种可以处理离散和连续信息的混合模糊专家控制系统用于UVMS的运动控制，减少了能耗，提升了系统可操纵性。他们［30］还提出了以节省UVMS能量消耗、利用冗余自由度为目标的基于模糊逻辑的轨迹规划混合控制器，这对于UVMS的任务空间利用自由度的协调控制有十分重要的意义。

3)自适应控制。自适应控制是现代控制理论的重要分支，通常适用于参数不确定性严重或者参数变化缓慢的场合，但是稳定性较弱［23］。Sun等［38］提出了一种无需知道UVMS惯性矩阵、科里奥利力、向心力和水动力阻尼的自适应定点控制器。Antonelli等［39］将UVMS的控制分解为一种简化的模块化自适应跟踪控制方法，可以简化运算以及避免奇异值点出现。为完成多个UVMS共同抓取同一物体的任务，Sun等［40］提出了简单的定点控制方法。Zool等［41］提出一种基于边界概念的控制方法，并在自适应控制规律中引入结合最小二乘的Jacobian矩阵。Hyun等［42］提出了基于T–S模糊模型的自适应观测器，依据状态反馈控制对机械手进行控制。

4)滑模控制。滑模控制是一种比较特殊的非线性控制策略［22］，其主要优点在于控制器设计相对简单，对模型参数摄动较小，鲁棒性较好，缺点是容易出现抖振，影响控制性能。Xu等［43］提出了一种新的UVMS轨迹跟踪的滑模控制器SMFC，依据模糊逻辑控制方法实现增益的协调变化，并在五自由度UVMS仿真实验中得出该控制策略优于传统滑模结构控制器的控制性能。Zhang等［44］将水下机器人的轨迹跟踪误差用泰勒多项式近似表达，且依据滑模控制原理，采用周期性的神经网络在线估计未知参数。Xu等［45］提出了一种基于UVMS准拉格朗日运动学方程的滑模控制方法，并且使用模糊逻辑来调整增益，避免了滑模结构固有的抖振现象。

5)鲁棒控制。鲁棒控制可以在有一定变化范围内的不确定因素情况下实现对控制对象的固定控制，从而保证系统的稳定和实现控制目标［46］。Xu 等［47］提出了一种针对 UVMS 轨迹跟踪的鲁棒非线性控制器。该控制器基于UVMS动力学模型的分散形式，具有简单、易于实现、精确、鲁棒性强等特点。TAO［48］提出了一种参量时变的机器人机械手动力学模型，并基于参量时变的自适应控制律设计了自适应鲁棒控制器结构。Han等［7］提出了使用运动规划和逆向最优非线性H-infinite控制作为鲁棒跟踪控制器以使得恢复动作最优化。Han等［49］又对于UVMS的跟踪控制提出了带有干扰观测器的非线性H-infinite最优控制，可以抵抗参数摄动、外部干扰等。

3.2 UVMS控制主要研究内容

综合UVMS的研究历程可以看出，尽管其控制方法层出不穷，但归根结底其控制策略主要解决以下几个问题:

1)运动规划问题。针对UVMS的特点，首先要考虑系统到达制定目标区域的过程，对水下机器人本体进行轨迹跟踪控制，即控制水下机器人的推进器和舵使水下机器人接近目标;其次考虑到达指定区域后相关作业任务主要是由机械手完成，采用合理的控制方法，在水下机器人运动过程中充分利用水下机械臂的冗余性，避免奇异值，同时通过对推进器等进行控制改变机器人本体姿态，从而实现机械手运动规划的实现;最后针对不同的作业任务，按照工作的优先级进行任务分配，在轨迹规划过程中兼顾避障问题。

2)稳定性问题。在UVMS进行协调控制过程中，水下机器人的稳定性是工作可靠的前提，直接影响作业任务的精度。利用合理的控制方法，解决如海中海流、抓取负载等不定干扰对机器人本体稳定性的影响，实现自身快速、稳定工作。此外，细化到对于不同工作要求，例如实现系统的定深控制、悬停控制等均可以作为某一稳定性指标进行研究，从而避免系统在水中出现大幅度翻转甚至下沉等危险情况的发生。

3)多目标优化问题。UVMS的能量主要是自身携带的电池。考虑水下机器人的形体、负载、连续工作时间、推进器工作效率等问题，所携带的电池能量有限，因此能耗控制是水下机器人运动控制中的重要问题。此外，水下机械臂的作业规划最短、空间避障、作业能力和作业精度也是优化的目标。

4)系统导航和目标识别问题。水下机器人通过自主导航到达指定作业位置，须采用捷联惯导系统、多普勒流速计、高度计、深度计等多种传感器进行组合才能满足系统导航精度要求，因此多信息融合方法是研究的重点。水下作业环境比较恶劣，光线弱，浑浊度高，目标很难识别，可采用声学传感器和视觉传感器组合的方式实现水下目标识别。

4 研究展望

1)模型实用化。UVMS工作于不同的环境中，诸如接近水面以及深海环境等，其动力学以及运动学模型不尽相同，应当进一步细化研究，使其在不同情景中更具指导意义。

2)协同工作化。随着作业任务难度的增加，将会出现一个自主水下机器人搭载多个机械手，以及多个UVMS编队共同完成复杂任务的情况，这就会促使对协同工作的UVMS编队协作控制的研究。

3)新概念化。会出现针对不同作业任务特点而设计的各种各样新概念的UVMS，如子母形式的UVMS，以及ROV和搭载有机械手的AUV复合系统，这样既可以实现作业深度的扩展，也弥补了AUV相对易丢失的不足。

4)智能化。对于UVMS的控制方法会逐渐从当前比较保守的形式过渡到有较高智能的控制方法，通过新型传感器系统的辅助，可以使其依据环境的变化智能地完成相应改变，以适应复杂的工作环境，从而完成作业任务。

5)控制容错化。所有系统都无法避免出现各种错误以及故障。UVMS由于包含有机器人以及机械手两部分系统，出现故障的概率更大。这就需要通过硬件系统和软件系统的加强实现控制策略的容错性。

［1］PAZMINO R S，GARCIA CENA，Arocha C E，et al.Experiences and results from designing and developing a 6 DoF underwater parallel robot［J］.Robotics and Autonomous Systems，2011，59:101 －112.

［2］AGHABABA M P.3D path planning for underwater vehicles using five evolutionary optimization algorithms avoiding static and energetic obstacles［J］.Applied Ocean Research，2012，38:48 －62.

［3］WANG H H，Rock S M，LEE M J.Experiments in automatic retrieval of underwater objects with an AUV［C］//Proceedings of the 1995 MTS/IEEE Oceans Conference.San Diego，USA:［s.n.］，1995:366 －373.

［4］ANDERSSON S.Underwater robots:Motion and force control of vehicle manipulator systems，Gianluca Antonelli(Ed.);Springer，Berlin，Heidelberg，2003，ISBN:3 －540－00054 －2［J］.Automatica，2006，42:363 －364.

［5］MARANI G，CHOI S K，YUH J.Underwater autonomous manipulation for intervention missions AUVs［J］.Ocean Engineering，2009，36(1):15 －23.

［6］ISHITSUKA M，ISHII K.Control of an underwater manipulator mounted for an AUV considering dynamic manipulability［C］//the 2nd International Conference on Brain-inspired Information Technology.Kitakyushu，Japan:［s.n.］，2006:269 －272.

［7］HAN J H，WAN K C.Coordinated Motion Control of Underwater Vehicle-Manipulator System with Minimizing Restoring Moments［C］//2008 IEEE/RSJ International Conference on Intelligent Robots and Systems.Nice，France:［s.n.］，2008:3158 －3163.

［8］SAKAGAMI N，SHIBATA M，KAWAMURA S，et al.An Attitude Control System for Underwater Vehicle-Manipulator Systems［C］//2010 IEEE International Conference on Robotics and Automation.Anchorage，USA:［s.n.］，2010:1761－1767.

［9］FARIVARNEJAD H，MOOSAVIAN S A.Multiple Impedance Control for object manipulation by a dual arm underwater vehicle– manipulator system［J］.Ocean Engineering，2014，89:82 －98.

［10］张奇峰，张艾群.基于能源消耗最小的自治水下机器人－机械手系统协调运动研究［J］.机器人，2006(4):444 －447，452.

［11］张奇峰，任申真，吴宝举，等.基于输入和机械手扰动补偿的水下机器人控制实验研究［C］//2007’仪表，自动化及先进集成技术大会.重庆，中国:［出版者不详］，2007:444－449.

［12］张奇峰，张艾群.自治水下机器人机械手系统协调运动研究［J］.海洋工程，2006(3):79－84.

［13］公丕亮，张奇峰，全伟才，等.基于双特征点视觉模型的水下机器人悬停定位研究与试验［J］.仪器仪表学报，2010，8(31):36 －41.

［14］公丕亮，张奇峰，张艾群，等.基于形态图的UVMS水下三维目标识别［J］.机械设计与制造，2011(3:)265－267.

［15］常宗瑜，陈金磊，徐长密，等.基于任务优先级方法的水下机器人－机械手系统的冗余运动学分析［C］//2011年全国机械动力学学术大会.杭州，中国:［出版者不详］，2011:219 －225.

［16］张喜超.水下机器人—机械手系统动力学分析与控制［D］.青岛:中国海洋大学，2011.

［17］徐长密.水下机器人—机械手系统动力学建模及运动控制研究［D］.青岛:中国海洋大学，2010.

［18］肖治琥.深水机械手动力学特性及自主作业研究［D］.武汉:华中科技大学，2011.

［19］郭莹.水下自主作业系统协调控制技术研究［D］.武汉:华中科技大学，2008.

［20］琚亮.深海机械手位置伺服控制研究［D］.武汉:华中科技大学，2007.

［21］王亚猛.水液压驱动的水下机械臂PWM鲁棒控制研究［D］.武汉:华中科技大学，2011［22］彭生全.水下机器人—机械手系统运动规划与控制技术研究［D］.哈尔滨:哈尔滨工程大学，2012.

［23］秦耀昌.基于终端滑模的水下机械手运动控制技术研究［D］.哈尔滨:哈尔滨工程大学，2012.

［24］谢俊元.深海载人潜水器动力学建模研究及操纵仿真器研制［D］.无锡:江南大学，2009.

［25］MEMILLNA D，MEGHEE R.Efficient Dynamic simulation of an underwater vehicle with a Robotic Manipulator［J］.IEEE Transactions on Systems，Man and Cyberneties，1995，25(8):1194 －1206.

［26］CUI Y，SARKAR N.A Unified Force Control Approach to Autonomous Underwater Manipulation［J］.Robotics，2001，19:255 －266.

［27］郭莹，徐国华，徐筱龙，等.水下自主作业系统轨迹跟踪与动力定位［J］.中国造船，2009(1):92－100.

［28］YANG S P.Dynamic Modeling and Control of Underwater Vehicle with Multi-Manipulator System［D］.Washington:Washington University，1997.

［29］SANTOS D，RAUL G.，EDSON D P.A Reactive Neural Network Architecture to Redundancy Resolution for Underwater Vehicle-Manipulator Systems［C］//2006 IEEE International Conference on Robotics and Automation.Orlando，USA:［s.n.］，2006:3238-3243.

［30］SANTOS D，GUILHERM B，RAUL G，et al.Redundancy Resolution for Underwater Vehicle-Manipulator Systems Using A Fuzzy Expert System［C］//2006 IEEE International Conference on Control Applications.Munich，Germany:IEEE，2006:2848-2853.

［31］OLIVEIRA A，DE PIERI E，MORENO U.Optimal Trajectory Tracking of Underwater Vehicle-Manipulator Systems through the Clifford Algebras and of the Davies Method［J］.Advances in Applied Clifford Algebras，2013，23:453-467.

［32］XU B，SAKAGAMI N，PANDIAN S R.et al.A Fuzzy Controller for Underwater Vehicle-Manipulator Systems［C］//MTS/IEEE OCEANS.Washington，USA:［s.n.］，2005:1110-1115.

［33］KIM J H，CHUNG W K.Dynamic Analysis and Active Damping Control Underwater Vehicle-Manipulator systems［C］//Proceedings of the Thirteenth International Offshore and Polar Engineering Conference.Honolulu，USA:［s.n.］，2003:744-751.

［34］HERMAN P.Decoupled PD set-point controller for underwater vehicles［J］.Ocean Engineering，2009，36:529-534.

［35］ANTONELLI G，CHIAVERINI S.A fuzzy approach to redundancy resolution for underwater vehicle-manipulator systems［J］.Control Engineering Practice，2003，11:445-452.

［36］XU B，PANDIAN S R，SAKAGAMI N，et al.Neuro-fuzzy control of underwater vehicle-manipulator systems［J］.Journal of the Franklin Institute，2012，349:1125-1138.

［37］SANTOS D，GUILHERME B，RAUL G，et al.Motion Coordination for Underwater Vehicle-Manipulator Systems using a Fuzzy Hybrid Strategy［C］//IEEE International Conference on Intelligent Robots and Systems.Beijing，China:［s.n.］，2006:3018-3023.

［38］SUN Y C，CHEAH C C.Adaptive setpoint Control of Underwater Vehicle-Manipulator Systems［C］//2004 IEEE Conference on Robotics，Automation and Mechatronics.Singapore，Singapore:［s.n.］，2004:434-439.

［39］ANTONELLI G.，CACCAVALE F，CHIAVERINI S.A-daptive Tracking Control of Underwater Vehicle-Manipulator Systems Based on the Virtual Decomposition Approach［J］.IEEE Transactions on Robotics and Automation，2004，20:594-602.

［40］SUN Y C，CHEAH C C.Coordinated Control of Multiple Cooperative Underwater Vehicle-Manipulator Systems Holding a Common Load［C］//MTS/IEEE Techno-Ocean ’04:Bridges across the Oceans.Kobe，Japan:［s.n.］，2004:1542-1547.

［41］ISMAIL Z H，DUNNIGAN M W.A region boundarybased control scheme for an autonomous underwater vehicle［J］.Ocean Engineering，2011，38:2270-2280.

［42］HYUN C H，PARK C W，KIM S.Takagi-Sugeno fuzzy model based indirect adaptive fuzzy observer and controller design［J］.Information Sciences，2010，180:2314-2327.

［43］XU B，PANDIAN S R，PETRY F.A Sliding Mode Fuzzy Controller for Underwater Vehicle-Manipulator Systems［C］//Annual Meeting of the North American Fuzzy Information Processing Society.Detroit，USA:［s.n.］，2005:181-186.

［44］ZHANG M J，CHU Z Z.Adaptive sliding mode control based on local recurrent neural networks for underwater robot［J］.Ocean Engineering，2012，45:56 －62.

［45］XU G H，GUO Y，XIANG X B，et al.Motion Control and Computer Simulation for Underwater Vehicle-Manipulator Systems［C］//Proceedings of the 2007 IEEE International Conference on Mechatronics and Automation.Harbin，China:［s.n.］，2007:1368-1373.

［46］谢明江，代颖，施颂椒.机器人鲁棒控制研究进展［J］.机器人，2000(1):73 －80.

［47］XU B，ABE S，SAKAGAMI N，et al.A Robust Nonlinear Controller for Underwater Vehicle-Manipulator Systems［C］//2005 IEEE/ASME International Conference on Advanced Intelligent Mechatronics.Monterey，USA:［s.n.］，2005，1:711 －716.

［48］TAO G.On Robust Adaptive Control of Robot Manipulators［J］.Automatica，1992，28:803 －807.

［49］HAN J H，PARK J H，CHUNG W K.Robust coordinated motion control of an underwater vehicle-manipulator system with minimizing restoring moments［J］.Ocean Engineering，2011，38:1197 －1206.