Construction of a dynamics simulation system for net cleaning robot based on Gazebo
-
摘要:
深海网箱养殖是重要的海水养殖模式,网箱网衣的定期清洗是确保养殖质量和安全的关键环节。目前,网衣普遍采用人工清洗,不仅费时费力,且随着深海网箱规格越来越大,人工方式难度显著提升。洗网机器人为深海网箱网衣清洗提供了更加安全、便捷的方式;然而,洗网机器人在贴网清洁和水下穿梭过程中,受力难建模、状态难观测,设计抗扰动能力强、能耗低的控制器困难,开展全面实验及数据记录成本高、时间长。针对上述问题,在物理仿真环境Gazebo的基础上,考虑了推进器和洗盘的存在,并分析了在水下环境中诸如附加质量、阻尼等各项水动力学特性以及流场环境等因素对洗网机器人的影响,构建了一套洗网机器人仿真系统,使得洗网机器人水下工作完备数据易获得、控制性能易验证、模型性能易对比,从而助力洗网机器人的控制器开发。
Abstract:Deep-sea cage aquaculture is an important marine aquaculture mode. Regular cleaning of cage nets is a critical step to ensure aquaculture quality and safety. Currently, nets are commonly cleaned manually, which is time-consuming and labor-intensive. As deep-sea cages grow larger, their manual cleaning become more difficult. Net washing robots provide a safer and more convenient way to clean nets for deep-sea cages. However, it is challenging to design controllers with strong disturbance resistance and low energy consumption for net washing robots, as the forces are difficult to model and the states are hard to observe during net cleaning and underwater shuttling. Moreover, conducting comprehensive experiments and data recording requires high costs and much time. To address these problems, we constructed a simulation system for a net washing robot based on the physical simulation environment Gazebo, considering the presence of thrusters and washing discs. Besides, we analyzed the effects of various hydrodynamic characteristics in underwater environment, such as added mass and damping, and factors like flow field environment on the washing robot. The established net washing robot can obtain complete data on the underwater operation of the net washing robot, verify control performance, and compare model performance more easily, thereby assisting in the controller development of washing robots.
-
Keywords:
- Net washing robot /
- Deep-sea cage /
- Gazebo /
- Dynamics simulation /
- Hydrodynamic modeling
-
斑节对虾 (Penaeus monodon) 适盐度广、生长迅速、出肉率高,是我国和世界三大主要养殖对虾之一[1]。目前我国斑节对虾的养殖模式主要有池塘高密度养殖、虾蟹混养和虾鱼混养等方式[2]。虾蟹混养是一种高空间利用率、高收益的虾类和蟹类2种不同甲壳动物混合养殖的复合生态养殖模式[3]。蟹类主要是锯缘青蟹 (Scylla serrata),由于蟹类为杂食性,能够摄食病弱或死亡的鱼虾、小型底栖动物等,对于对虾残饵的利用和水质净化有一定作用,可促进养殖塘底层物质循环和能量流动,提高营养物质的利用率[4]。虾蟹混养是一种复合生态养殖模式,因其持续稳定的养殖产量而备受欢迎。
浮游植物是指在水体中生活的微小植物,大小在几微米至几百微米之间,是水生生态系统中最主要的初级生产者,是食物网的基础[5]。浮游植物通过光合作用将水体中无机物转换为有机物,是水体中动物的主要食物来源,并且能够提高养殖水体中溶氧 (DO) 含量、吸收水体中的有毒有害物质、降低氨氮含量,保持养殖水体的稳定,其群落结构的变化对水生生态系统有着重要影响,主要包括能量流动、物质循环和信息传递[6]。浮游植物的生长繁殖极易受到外界环境的影响,其对环境条件的变化能够迅速做出响应,因此被视作水生生态系统的重要指示物[7-8]。
浮游植物作为饵料生物的基础,在池塘养殖过程中发挥了重要作用,与其相关的研究也日益受到重视。李俊伟等[9]研究对虾池塘混养鲻鱼 (Mugil cephalus) 和罗非鱼 (Oreochroms mossambcus) 对水环境及对虾生长的影响,探讨了浮游植物的变化特征;孔谦[10]也对凡纳滨对虾 (Litopenaeus vannamei) 与鲻鱼混养中精养池的理化因子进行了研究。目前有关虾蟹混养的研究较少,特别是针对混养池塘浮游植物群落结构的研究更是鲜见报道,本研究对广州市番禺区3个虾蟹混养池塘进行逐月调查,分析和探讨了养殖过程中浮游植物种类组成及其数量变化状况,旨在摸清虾蟹混养池塘浮游植物种群结构特征及其与环境因子的关系,以期为虾蟹混养的健康发展提供理论依据。
1. 材料与方法
1.1 养殖池塘
在广州市番禺区十六涌选取3个虾蟹混养池塘 (1#、2#、3#),水深2 m,3月初开始投放虾苗,每20 d投放1次;4月初开始投放蟹苗,每2个月投放1次。虾蟹分别投放4次,6月初开始捕获虾蟹。2018年3—11月对3个混养池塘进行逐月调查,采集池塘水质样品和浮游植物样品,带回实验室测定和鉴定。
1.2 样品的采集、测定和鉴定
1.2.1 水质样品
1) 样品采集和保存。采用容积为5 L的有机玻璃采水器,在每个池塘四角和中央采集表层水,用滤膜现场过滤,用玻璃瓶收集适量过滤水保存,带回实验室测定。2) 样品测定。营养盐的分析测定参照国家标准《海洋调查规范第2部分:海洋水文观测》 (GB/T 12763.2—2007)、《海洋调查规范第4部分:海洋化学要素观测》 (GB/T12763.4—2007) 和《海洋监测规范第4部分:海水分析》 (GB 17378.4—2007);叶绿素a的分析测定参照《海洋监测规范第7部分:近海污染生态监测和生物监测》 (GB 17378.7—2007) 中规定的方法。
1.2.2 浮游植物样品
1) 样品采集和保存。在每个池塘四角和中央用5 L采水器各采水样一份,经浮游生物网过滤后混合装入1 L采样瓶,并现场加入适量的5%甲醛溶液固定保存,带回实验室[11]。在实验室静置24 h,弃去上清液,浓缩后于高倍镜下鉴定浮游植物种类,并进行数量分析。2018年9月由于突发事件未采集到样品。2) 样品鉴定。采用显微镜鉴定。浮游植物样品定性分析和种类鉴定方法依据《中国淡水藻类》[12]、《中国海藻志》[13]、《中国淡水藻类》[14]、《中国淡水生物图谱》[15]、《环境微生物图谱》[16]。在10×40倍光学显微镜下进行,每次取0.1 mL样品放入浮游植物方格计数板计数,观察计数格,每个样品计数2片,2次求平均值作为最终结果,2片计数结果差异不超过15%,若相差较大,则再取1次计数,然后取数值相差较小的2片取平均值,即为浮游植物细胞密度[17]。
1.3 分析和评价方法
浮游植物物优势度 (Y) 应用以下公式计算:
$$ Y=\dfrac{{{n_i}}}{N}\times{f_i} $$ 式中ni为第i种的个体数;fi是该种在各站中出现的频率;N为所有站每个种出现的总个体数。
Shannon-Weaver多样性指数的计算公式为:
$$H' = - \sum\limits_{i = 1}^S {{P_i}{{\log }_2}{P_i}} $$ 式中H′为种类多样性指数,S为样品中的种类总数,Pi为第i种的个体数与总个体数的比值。
数据分析、处理以及图表的制作使用Excel 2016、Origin 2017、Canoco 5等软件。
2. 结果
2.1 种类组成
浮游植物调查结果见附录1 (详见http://dx.doi.org/10.12131/20190233的资源附件)。共鉴定出浮游植物5门29种,其中硅藻种类最多 (19种),占浮游植物种类数的65.5%;其次是蓝藻,共5种,占浮游植物种类数17.2%;甲藻3种,绿藻和裸藻各1种。每次采样中各塘浮游植物出现频次最多的有2门5种,其中硅藻门4种,分别为尖布纹藻 (Gyrosigma acuminatum)、新月菱形藻 (Nitzschia closterium)、柔弱菱形藻 (N. delicatissima) 和直舟形藻 (Navicula directa),出现的频率分别为10、10、22和9;蓝藻门1种,为小颤藻 (Oscillatoria tenuis),出现的频率为10 (图1-a)。
各池塘的浮游植物种类在时间上的差异不明显,基本呈先波动下降后小幅度增加的趋势,1#塘浮游植物种类数波动较大。各池塘出现种类数最多的月份各不相同 (图2-a)。其中1#塘出现种类数最多的为5月 (10种);2#和3#塘种类数最大值均出现在养殖初期 (分别为6种和8种)。各月份均以硅藻门种类数最多,其次为蓝藻门和甲藻门,绿藻门和裸藻门的种类仅在养殖后期出现。
2.2 细胞密度
各池塘浮游植物细胞密度的变化趋势见图2-b。浮游植物细胞密度介于2.56×103~189.2×103个·m−3,最大值出现在养殖前期的3—4月,最小值在7—8月。1#塘4月细胞密度最大 (124.8×103个·m−3),其次是5月 (52.92×103个·m−3),7月最低 (6.0×103个·m−3);2#塘3月细胞密度最大 (189.2×103个·m−3),其次是4月 (119.6×103个·m−3),8月最低 (2.56×103个·m−3);3#塘3月细胞密度最大 (118.8×103个·m−3),其次是4月 (82.13×103个·m−3),10月最低 (7.2×103个·m−3)。整个调查期间,3个池塘浮游植物细胞密度的最高值或次高值均出现在3—4月,而较低值均出现在7—8月 (图2-b)。
各次调查浮游植物细胞密度的组成中均以硅藻门占较高的比例,其他4门藻类所占比例相对较低;各养殖池塘各门浮游植物细胞密度所占百分比变化波动不大,同一月份不同养殖塘浮游植物细胞密度存在较大差异 (图 1-b)。
2.3 优势种组成
各次调查中浮游植物出现的优势种见表1。其中以7月和11月2次调查出现的优势种最多 (均为6种);3月和5月出现的优势种最少 (均为3种)。调查期间各混养池塘出现的优势种有硅藻门的奇异菱形藻、直舟形藻、柔弱菱形藻和尖布纹藻等;甲藻门的大角角藻;蓝藻门的小颤藻。其中柔弱菱形藻在8次调查中均为优势种,尖布纹藻、新月菱形藻和小颤藻在4次调查中为优势种,奇直舟形藻均在3次调查中为优势种,其他优势种在1~2次调查中为当次调查的优势种。由此可知,养殖初期优势种主要为硅藻门的种类,养殖中后期蓝藻门的种类优势度逐渐增加,成为优势种。
表 1 混养池塘浮游植物优势种Table 1. Dominant species of phytoplankton in polyculture pond优势种
Dominant species3月
Mar.4月
Apr.5月
May6月
Jun.7月
Jul.8月
Aug.10月
Oct.11月
Nov.奇异菱形藻 Nitzschia paradoxa 0.411 0.079 直舟形藻 Navicula directa 0.336 0.216 0.06 柔弱菱形藻 Nitzschia delicatissima 0.180 0.528 0.628 0.056 0.221 0.108 0.400 0.085 近缘斜纹藻 Pleurosigma affine 0.037 大角角藻 Ceratium macroceros 0.145 尖布纹藻 Gyrosigma acuminatum 0.445 0.197 0.028 0.026 小颤藻 Oscillatoria tenuis 0.060 0.134 0.386 0.307 寒带菱形藻 Nitzschia frigida 0.032 新月菱形藻 Nitzschia closterium 0.021 0.081 0.101 0.053 二形栅藻 Scenedesmus dimorphus 0.081 0.127 梭形裸藻 Euglena acus 0.020 银灰平裂藻 Merismopedia glauca 0.020 琼氏圆筛藻 Coscinodiscus jonesianus 0.035 平滑双眉藻 Amphora lavis 0.028 伏氏海毛藻 Thalassiothrix frauenfeldii 0.222 大颤藻 Oscillatoria maxima 0.047 2.4 Shannon-Weaver多样性指数
各混养池塘浮游植物多样性指数的变化趋势见图2-c。调查期间1#塘多样性指数介于0.802~2.140,在5月达到最高值,其次是3月,最低出现在6月;2#塘多样性指数介于0.998~2.247,在11月达到最高值,其次是7月,最低出现在8月;3#塘多样性指数介于0.468~2.597,在4月达到最高值,其次是5月,最低出现在6月。
各池塘多样性指数的变化趋势各不相同,1#塘4—6月的多样性指数呈先上升后下降的趋势;2#塘3—6月的多样性指数变化幅度较小,7—11月则呈先上升后下降再上升的趋势;3#塘4—11月的多样性指数呈先下降后上升的趋势。
各养殖塘内浮游植物多样性指数总体上表现为养殖前期低养殖后期高。根据马建新等[18]的浮游植物多样性指数评价标准,1#和2#塘全年的生物多样性都处于较好的范围内,3#塘养殖后期生物多样性水平较差 (图2-c)。
2.5 浮游植物与主要环境因子的关系
通过对浮游植物数据去趋势分析 (DCA),发现排序轴长为2.561,小于3,浮游植物群落分布更接近线性模型,根据之前学者的研究内容[19-20],本研究选取水温、pH、DO、总氮 (TN)、盐度、亚硝酸盐 (NO2 −-N)、硝酸盐 (NO3 −-N)、磷酸盐 (PO4 3−)和铵盐 (NH4 +) 9种环境因子和主要浮游植物优势种的细胞密度进行冗余分析 (RDA),浮游植物代码和环境因子分见表2和表3。养殖池塘浮游植物和环境因子关系的RDA排序图结果见图3。轴1和轴2特征值分别为0.263和0.18,前2个环境因子与物种轴之间的相关系数分别为0.939和0.922,拟合度较好,排序轴可以较好地反映浮游植物优势种和环境因子之间的关系;物种-环境累计百分比分别为36.1%和60.9% (表4)。养殖塘中浮游植物细胞密度主要受到营养盐、盐度和pH的影响,不同藻类受到环境因子的影响差异显著 (图3)。本次调查中,B1 (小颤藻) 作为蓝藻门的主要优势种,其细胞密度与水温、pH和DO成显著正相关,水温和pH的影响较大;A2 (柔弱菱形藻)、A4 (奇异菱形藻)、A3 (直舟形藻) 和A5 (近缘斜纹藻) 的细胞密度和NO2 −-N、NH4 +、PO4 3−、NO3 −-N、TN和盐度呈显著正相关,NO3 −-N和盐度对硅藻门影响较大C1 (大角角藻) 细胞密度与水温和PO4 3−呈显著正相关。
表 2 冗余分析中浮游植物代码种类Table 2. Phytoplankton species codes for redundancy analysis代码
Code种类
Species代码
Code种类
SpeciesA1 尖布纹藻
Gyrosigma acuminatumA6 中肋骨条藻
Skeletonema costatumA2 柔弱菱形藻
Nitzschia delicatissimaA7 洛伦菱形藻
Nitzschia lorenzianaA3 直舟形藻
Navicula directaB1 小颤藻
Oscillatoria tenuisA4 奇异菱形藻
Nitzschia paradoxaC1 大角角藻
Ceratium macrocerosA5 近缘斜纹藻
Pleurosigma affine表 3 养殖池塘浮游植物优势种冗余统计分析信息Table 3. Summary statistic for axes of RDA performed on dominant species in pond指标 Factors 轴 Axe 总方差
Total variance1 2 3 4 特征值 Eigenvalues 0.263 0.180 0.141 0.063 1.000 种类环境相关性 Species-environment correlations 0.939 0.922 0.963 0.632 累计变量百分比 Cumulative percentage variance 种类数据 Species data 26.3 44.3 58.4 64.6 种类环境相关 Species-environment relation 36.1 60.9 80.3 88.9 总特征值 Sum of all eigenvalues 1.000 所有典范特征值 Sum of all canonical eigenvalues 0.727 3. 讨论
3.1 浮游植物细胞密度的变化
本研究表明,养殖塘水体浮游植物细胞密度整体变化规律呈养殖前期较高,中后期较低的趋势,这与养殖塘水体营养盐含量的变化趋势一致 (图4)。营养盐,尤其是N、P含量是影响浮游植物密度的重要因子[21],摄食行为[22]和恶劣天气[23]也会对浮游植物细胞密度产生影响。Teeling等[24]研究表明,浮游植物细胞密度与水体内N、P含量成正相关关系,在一定范围内且其他影响因子一致的情况下,N、P含量越高,浮游植物细胞密度越高,这与本研究结果相一致。Burford和Williams[25]研究表明,水体中有机氮的主要来源是过剩的饵料和虾类排泄物,大量的有机氮在养殖水体内富集,影响水质情况进而影响对虾正常生长。养殖中后期,浮游植物细胞密度的变化可能与蟹类摄食病弱或死亡的对虾、粪便和残饵有关,蟹类的摄食行为会降低水体内有机氮的含量。李志斐等[26]研究发现鲮 (Cirrhinus molitorella) 和凡纳滨对虾混养后水体内的浮游植物细胞密度也呈降低趋势,富营养化程度得到缓解。在虾苗投放前,养殖池塘水体环境相对稳定,浮游植物群落自然演替,藻类群落结构具有相对稳定性。虾苗投放后,塘内的理化因子和浮游生物种群均受到影响,从而导致浮游植物细胞密度改变。对虾通过摄食一定数量的浮游动物,间接地影响了浮游植物的群落结构,幼虾还会滤食部分浮游植物,直接影响浮游植物群落[23]。养殖前期,对虾主要以天然饵料如硅藻浮游动物等为主要食物来源,养殖后期人工投放饵料占据虾食的98%[27]。本研究结果显示,养殖后期3个养殖塘浮游植物数量变化基本趋于平缓。查广才和周昌清[28]研究发现台风、暴雨、持续高温等恶劣天气会导致养殖水环境不稳定,导致浮游植物细胞密度发生较大波动。本研究中7—8月浮游植物细胞密度处于较低水平,这可能与华南地区7—8月强降水和台风等恶劣天气有关。
3.2 浮游植物种类的变化
本次研究发现,斑节对虾与锯缘青蟹混养养殖塘浮游植物种类共鉴定出5门29种,硅藻和蓝藻所占比重较大,其他藻类较少。郭永坚等[29]在凡纳滨对虾-鲻混养池塘的研究中鉴定出浮游植物7门65种,李志斐等[26]在鲮和凡纳滨对虾混养养殖塘研究中鉴定出浮游植物6门44种,不同水体浮游植物种类数的差异可能跟研究水域及采样时间差异有关[30-32]。本次调查结果显示,不同季节浮游植物种类呈现春秋季>夏季的规律,不同养殖阶段浮游植物优势种不同,养殖初期主要优势种以硅藻为主,养殖中后期优势种逐渐出现了蓝藻门。这可能与养殖后期盐度下降和pH升高有关。盐度是调节浮游植物群落结构的重要因子,养殖初期盐度较高,优势种以硅藻门为主,如柔弱菱形藻和直舟行藻等;养殖后期盐度下降,蓝藻门种类较多并成为优势种。这与吴斌和廖思明[33]在广西北海凡纳滨对虾养殖池塘浮游植物群落结构的研究结果一致,盐度较高的池塘优势种往往是绿藻门和硅藻门,盐度较低的池塘优势种是蓝藻门和甲藻门。谢立民等[34]也指出盐度是影响浮游植物群落结构的重要因子,蓝藻门在盐度较低的虾塘中为主要优势种,当盐度较高时,舟行藻等硅藻门为主要优势种。本次调查结果显示,pH介于7.78~9.21,水体一直处于弱碱性,而浮游植物的最适生长范围为7.75~8.75,过高或过低都会导致浮游植物生物量的减少。pH是由水体内理化因子、浮游生物和养殖物种综合作用的结果,周晴等[35]研究表明,pH高的水体中,蓝藻大量生长繁殖。养殖后期水体内pH上升,蓝藻成为虾塘优势种。浮游植物Shannon-Weaver多样指数介于0.802~2.140,不同季节多样性指数变化差异较大,春秋两季处于较高水平,夏季处于较低水平。养殖中后期,蓝藻大量繁殖成为优势种,因此降低了夏季浮游植物的多样性水平,武秀国等[36]和宋庆洋等[37]的研究中也揭示了这一规律。
4. 结论
在虾蟹混养养殖塘调查中,共发现浮游植物29种,其中硅藻门种类占绝对优势,其次是蓝藻门,甲藻门、绿藻门和裸藻门的种类数相对较少,浮游植物多样性存在较大的季节差异。浮游植物种类数总体为养殖初期较多,养殖中后期较少。浮游植物细胞密度在养殖初期 (3—5月) 较高,养殖中后期 (6—11月) 较低。
浮游植物主要的优势种主要为直舟形藻、奇异菱形藻、柔弱菱形藻、尖布纹藻、大角角藻和小颤藻等。浮游植物多样性指数均处于较高水平,由此可见其浮游植物群落结构较为稳定。
营养盐、盐度和pH是影响池塘浮游植物群落结构的主要环境因子。浮游植物的细胞密度、种类及分布都与环境因子的动态变化密切相关,环境因子的变动可能会改变养殖塘内浮游植物的群落结构。通过调控环境因子来改善浮游植物的群落结构,从而达到优化养殖环境,保持虾塘内生态系统平衡,增强抗干扰能力,进而提高产量和增加收益的目标。
-
-
[1] 侯海燕, 鞠晓晖, 陈雨生. 国外深海网箱养殖业发展动态及其对中国的启示[J]. 世界农业, 2017(5): 162-166. [2] 徐皓, 陈家勇, 方辉, 等. 中国海洋渔业转型与深蓝渔业战略性新兴产业[J]. 渔业现代化, 2020, 47(3): 1-9. [3] 韩立民, 王金环. “蓝色粮仓”空间拓展策略选择及其保障措施[J]. 中国渔业经济, 2013, 31(2): 53-58. [4] 朱玉东, 鞠晓晖, 陈雨生. 我国深海网箱养殖现状、问题与对策[J]. 中国渔业经济, 2017, 35(2): 72-78. [5] 张汉华, 梁超愉, 吴进锋, 等. 大鹏湾深水网箱养殖区的污损生物研究[J]. 中国水产科学, 2003, 10(5): 414-418. [6] 彭安华, 刘成文, 陆波. 一种带有清洗装置和数据采集系统的深水网箱[J]. 南方农业, 2016, 10(3): 169-171. [7] 宋协法, 孙跃, 何佳, 等. 深水网箱清洗技术及装备研究进展[J]. 渔业现代化, 2021, 48(5): 1-9. [8] ALBITAR H, ANANIEV A, KAZAKOV I. In-water surface cleaning robot: concept, locomotion and stability[J]. Int J Mechatron Autom, 2014, 4(2): 104-115. doi: 10.1504/IJMA.2014.062338
[9] OSAKA T, NORITA J. Submersible cleaning robot: US20060282503[P]. 2014-06-24.
[10] JENSEN V. Fish farm cleaning robot: NO20170580A1[P]. 2018-10-08.
[11] FORD M. Net cleaning device for in-situ cleaning of a submerged net, propeller for use with net cleaning device, method and system: WO2020069556A1[P]. 2020-04-09.
[12] 庞洪臣, 杨芳, 俞国燕, 等. 一种新型深海网箱清洗机器人: CN107052002A[P]. 2017-08-18. [13] 青岛炬荣工程科技有限公司. 空化射流水下网衣清洗机器人: CN201910677594.2[P]. 2019-10-18. [14] 付宗国, 杨俭健, 刘莹莹, 等. 一种深水网箱养殖水下智能清理机器人: CN103144118A[P]. 2013-06-12. [15] 青岛森科特智能仪器有限公司, 烟台中集蓝海洋科技有限公司. 一种模块化网箱水下机器人: CN202021730216.0[P]. 2021-04-23. [16] LINDGREN P B. Aquaculture cage screen and cleaning apparatus: US 2012/0260443 A1[P]. 2012-10-18.
[17] LINDGREN P B. Fish cage screen and cleaning apparatus: US 2012/0260861 A1[P]. 2012-10-18.
[18] 飞马滨 (青岛) 智能科技有限公司. 一种用于海洋牧场网箱清洗的水下机器人: CN202110996755.1[P]. 2021-11-26. [19] FARLEY A, WANG J, MARSHALL J A. How to pick a mobile robot simulator: a quantitative comparison of CoppeliaSim, Gazebo, MORSE and Webots with a focus on accuracy of motion[J]. Simul Model Pract Th, 2022, 120: 102629. doi: 10.1016/j.simpat.2022.102629
[20] 李志文, 程志江, 杜一鸣, 等. 基于ROS的清洁机器人运动控制研究[J]. 计算机仿真, 2023, 40(4): 455-460. [21] KOENIG N, HOWARD A. Design and use paradigms for Gazebo, an open-source multi-robot simulator[C]//2004 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (IEEE Cat. No. 04CH37566). IEEE, 2004, 3: 2149-2154.
[22] MANHÈS M M M, SCHERER S A, VOSS M, et al. UUV Simulator: a Gazebo-based package for underwater intervention and multi-robot simulation[C]//OCEANS 2016 MTS/IEEE Monterey, Monterey, CA, USA, 2016: 1-8. DOI: 10.1109/OCEANS.2016.7761080.
[23] JOUNG T H, SAMMUT K, HE F, et al. Shape optimization of an autonomous underwater vehicle with a ducted propeller using computational fluid dynamics analysis[J]. Int J Nav Archit Ocean Eng, 2012, 4(1): 44-56. doi: 10.2478/IJNAOE-2013-0077
[24] 刘开周, 赵洋. 水下机器人建模与仿真技术[M]. 北京: 科学出版社, 2020: 28. [25] 宋伟刚. 机器人学: 运动学、动力学与控制[M]. 北京: 科学出版社, 2007: 78. [26] FOSSEN, THOR I. Handbook of marine craft hydrodynamics and motion control[M]. Hoboken: Wiley, 2011: 15-52.
[27] LIMARCHENKO O, SEMENOVICH K. Effect of the Coriolis forces on dynamics of the system reservoir-liquid under uniform outflowing[J]. Math Model Comput, 2018, 5(1): 34-40. doi: 10.23939/mmc2018.01.034
[28] 潘昊东, 王志光, 刘纯虎. 流线型高速 ROV 螺旋桨水动力性能分析[J]. 舰船科学技术, 2020, 42(12): 41-46. [29] BERG V. Development and commissioning of a DP system for ROV SF 30k[D]. Trondheim: Norwegian University of Science and Technology, 2012: 30-31.
[30] ANTONELLI G. Underwater robots[M]. Berlin: Springer, 2018: 57.
[31] CHRIST R D, WERNLI R L. ROV技术手册: 水下机器人使用指南[M]. 中国造船工程学会《船舶工程》编辑部译. 上海: 上海交通大学出版社, 2018: 19-38. [32] RUE H, HELD L. Gaussian Markov random fields: theory and applications[M]. New York: Chapman and Hall/CRC, 2005: 15-82.
-
期刊类型引用(1)
1. 李明. 七轴浇铸机器人的运动学建模和仿真技术. 现代制造技术与装备. 2024(02): 215-217 . 百度学术
其他类型引用(3)