IEEE Transactions on Robotics

Rhythm-Based Power Allocation Strategy of Bionic Tail-Flapping for Propulsion Enhancement

作者：Biao Wu, Chaoyi Huang, Xiangru Li, Jiahao Xu, Sicong Liu, James Lam, Zheng Wang, Jiansheng Dai · 机构：Department of Mechanical and Energy Engineering, Shenzhen Key Laboratory of Intelligent Robotics and Flexible Manufacturing Systems, Southern University of Science and Technology, Shenzhen, China; Department of Mechanical Engineering, The University of Hong Kong, Pokfulam, Hong Kong SAR; Department of Mechanical and Aerospace Engineering, The Hong Kong University of Science and Technology, Kowloon, Hong Kong SAR; Sino-German College of Intelligent Manufacturing, Shenzhen Technology University, Pingshan, China; Wisson Robotics, Shenzhen, China

会议/期刊：IEEE Transactions on Robotics · 发布日期：2025 · 页码：3986-4004

水下机器人

精读笔记

Problem Setting

论文标题：Rhythm-Based Power Allocation Strategy of Bionic Tail-Flapping for Propulsion Enhancement（IEEE Transactions on Robotics / 2025）。

这篇论文面对的是柔性尾推进中一个很具体但重要的问题：单个前端驱动如何有效把机械功率传到柔性尾尖，而不是在水动力弯曲、结构回弹和驱动换向之间互相抵消。以前很多机器鱼把问题设定成轨迹跟踪：给定尾柄正弦运动、调频率、调幅值、调刚度，然后观察推力。但对带柔性的尾鳍来说，尾柄运动不是最终推进变量，真正决定推进的是尾尖相对水的速度、幅值以及尾部弹性能是否在正确相位释放。

困难点在于柔性既是收益来源也是损失来源。低频时柔性尾能放大位移，高频时水动力载荷让尾部过度弯曲，尾柄继续输入但尾尖未必同步，甚至进入 spindle-like 包络，幅值下降。关键矛盾是：提高频率通常提高尾尖速度，但频率提高又会破坏尾柄—尾尖耦合；加强驱动可以增加输入功率，但未必增加有效推水。本文的切入点是把“多给力”换成“在周期内什么时候给力”。

Motivation

已有路线不够的地方在于，它们多把柔性尾看成一个被动结构参数：选刚度、找共振、设计尾形，或用多关节/变刚度机构主动塑形。这样可以提高性能，但代价是硬件复杂度上升，而且对“同一结构、同一频率下，输入节律如何改变能量转移”解释不足。

作者抓住的生物学观察是：鱼类肌肉激活不是纯正弦位置命令，肌肉在身体不同位置以不同相位和持续时间激活，部分后段肌肉更像在调节功率传输和刚度，而不是单纯输出形变。由此得到的工程缺口是：机器人鱼是否可以不增加硬件，只通过周期内功率分配，利用柔性尾的储能与回弹。换言之，缺的不是一个更复杂的尾，而是一个能和尾部被动动力学对齐的驱动节律。

Core Idea

核心思想可以概括为：让驱动输入避开尾部回弹的冲突相位，并在尾部弹性能可释放时给它时间。具体表现为 terminal slack / terminal decline：尾拍接近极限位置时降低电机输入，使尾柄运动放慢，柔性尾在水动力和弹性恢复作用下完成更充分的回弹，把 T-EPE 转化成更大的尾尖横向位移和更强流体动量交换。

这与传统正弦驱动的本质区别是控制目标不同。正弦驱动默认尾柄轨迹是主变量，柔性尾只是被动响应；PAS 把尾部被动响应纳入输入设计，使驱动成为一种能量相位整形器。它引入的 inductive bias 是：推进性能来自“输入功率—结构弹性—水动力负载”的相位匹配，而不是单纯来自输入频率或幅值。理论上它更 scalable 的原因在于不依赖额外可控硬件，只要系统有显著柔性储能和可调输入时序，就可以迁移；但这种泛化是动力学条件依赖的，不是无条件通用。

Method

1. PRBM 变形模型：它解决的是如何用低维、可解释模型描述尾柄输入后柔性尾的弯曲、速度和弹性势能变化。作者没有追求高保真 FSI，而是需要一个能揭示相位关系的模型。核心变化是把尾鳍从“末端执行器”变成“带弹簧和水阻的能量传输链”。

2. 耦合因子和 T-EPE 分析：它解决的是如何判定尾柄运动与尾部回弹是协同还是冲突。T-EPE 的峰值后释放量被用作回弹利用程度的 proxy；耦合因子则试图描述尾柄速度、尾部弯曲方向和尾尖有效运动之间的关系。这里的重点不是公式本身，而是把推进增益归因到弹性能循环，而不是只归因到频率。

3. PAS 节律调制：它解决的是输入功率在周期内如何分配。terminal slack/decline、middle slack/decline 等策略本质上是在不同相位削弱或增强电机输出，观察尾部能量释放窗口是否变长。关键机制是 terminal decline 会降低换向前的尾柄运动冲突，使尾部回弹参与推水。

4. DDRFishBot 验证平台：它解决的是隔离变量。单电机、scotch yoke、刚性尾柄、柔性 PC 尾鳍构成了一个足够简单的系统，使作者可以较干净地比较“同一硬件下不同功率时序”的效果。这个设计的价值在于证明不增加可控自由度也能扩展推进性能空间。

Key Insight / Why It Works

最重要的 insight 是：柔性推进系统的性能不只由固有频率决定，也由驱动功率在一个尾拍周期内的相位分布决定。所谓“利用柔性”，不是让系统被动共振那么简单，而是让弹性能在对水做功的相位释放。terminal decline 有效，是因为它给尾部回弹留下时间窗口，并减少尾柄换向时对尾部自然恢复运动的抵消。

这篇最可能成立的核心贡献是“周期内能量相位整形”。T-EPE 的储存—释放、尾尖幅值增加、尾迹涡增强，这些证据共同指向同一个机制：PAS 改变了尾部与水的相对运动速度分布，而不是简单提高输入功率。甚至在总功率或频率下降时仍能提高推力，说明它确实不是纯 scaling。

但也要直接指出：文中部分增益可能来自工程上的 duty-cycle 调参和机构非线性，而非完全来自仿生肌肉机制。scotch yoke 的力/速度投影本身随角度变化，电压调制和机构几何耦合后会改变有效尾柄速度曲线；因此 PAS 的“生物节律”解释和“非正弦速度输入优化”解释在实验上没有完全解耦。PSO 结果说明 terminal/middle slack 是可搜索到的输入模式，但这更像系统辨识后的最优相位控制，不必然证明它等同于鱼类肌肉策略。

辅助部分包括 PRBM、CFD、统计 swept area/variance。它们增强解释可信度，但不是方法本身的必要条件。真正有迁移价值的是：对柔性机器人，不应只调结构参数或做轨迹跟踪，而应把被动弹性看成可调度的短时能量缓存，并围绕其释放相位设计输入。

Relation To Prior Work

它最接近的谱系包括柔性尾共振推进、BCF 机器鱼、可变刚度/多关节尾鳍、以及 neuromechanical / morphology-computation 式水下机器人。与这些工作的关系不是替代，而是把关注点从“结构如何产生期望形状”转到“输入节律如何激发已有结构的有效弹性响应”。

和机械共振路线相比，本文新增的是周期内相位控制：共振主要是频率选择，PAS 是同一频率下改变能量注入/撤出的时序。和变刚度路线相比，PAS 不显式改变结构阻抗，而是通过输入波形改变等效能量传输；硬件复杂度低，但控制效果更依赖系统本身的阻抗窗口。和多关节轨迹优化相比，它没有增加空间形状控制自由度，而是利用单输入下柔性尾的被动模态。

看似新的“仿肌肉激活”其实有一部分是已有非正弦驱动、duty-cycle shaping、phase matching 思想在机器鱼推进上的重组。实质创新在于把它明确连接到 T-EPE 释放和尾柄—尾部耦合，并用简单硬件证明了无需变刚度/多关节也能显著扩大性能包络。

Dataset / Evaluation

评估主要是真机固定平台实验，加上视觉运动学、力传感、简化 CFD、不同尾鳍刚度验证和 PSO 模型优化。覆盖范围集中在单一机器人、静水水箱、固定机体、矩形柔性尾鳍和开环输入策略。它很好地验证了核心 claim 的一部分：在固定平台静推力条件下，PAS 可以通过改变尾拍包络和 T-EPE 释放提高推力。

但它没有充分验证自由游动场景。静推力与自由游动下的推进效率、机体姿态、来流速度、尾迹—机体耦合并不等价。效率系数把阻力面积和阻力系数简化掉，更适合组内相对比较，不应被理解为真实推进效率。CFD 是 2D 简化模型，能支持“更大幅值对应更强涡/尾流”的定性解释，但不能作为完整流固耦合证据。

总体评价：benchmark 支持“节律功率分配能调控柔性尾推进”这个机制性结论；但不足以支持“该策略在实际自主游动机器人中普遍带来同等效率收益”的强结论。

Limitation

第一，成立前提较强。PAS 依赖尾鳍存在合适的弹性储能、阻尼和回弹时间；如果系统处在过硬、过软、强阻尼或强流速扰动条件下，terminal decline 未必仍是最优。论文显示不同厚度尾鳍会改变增强区间，这其实说明该策略高度依赖结构阻抗匹配。

第二，增益归因没有完全拆干净。电压调制改变了频率、尾柄速度曲线、平均输入功率和机构角度处的力投影；这些因素与“弹性能释放”耦合在一起。文中未充分说明如何排除简单非正弦轨迹优化、平均功率变化或 scotch yoke 几何非线性带来的贡献。增益来源不清的部分主要在“仿生肌肉节律”与“工程波形整形”之间。

第三，泛化有限。PSO 搜索是在模型内做的，且搜索空间只覆盖 slack 起点和持续时间，不等价于对真实复杂系统的闭环优化。自由游动时，尾鳍面对的来流速度和负载随速度变化，静态最优 PAS 可能不再最优。真正 deployment 需要闭环相位估计或在线阻抗适配。

第四，效率 claim 要谨慎。论文使用的 efficiency coefficient 是定性指标，不能替代推进效率或 cost of transport。固定平台静推力最大不一定对应自由游动能耗最优，尤其在尾迹与机身阻力耦合后可能出现不同最优点。

Takeaway

  • 1. 对柔性推进机器人，输入波形不应只是位置轨迹，应该被看成能量调度策略；周期内功率相位可能和频率/刚度同等重要。
  • 2. 最有价值的可迁移 insight 是“让被动柔性有时间完成有效回弹”。
  • 这可迁移到软体鳍、柔性桨、腿足弹性元件、拍翼等系统：不要和弹性恢复打架，而要在正确相位释放或撤力。
  • 3. 这篇真正推动的是低硬件复杂度下的 morphology-aware control：利用已有结构柔性扩展性能空间，而不是继续堆多关节和主动刚度机构。

一句话总结

这篇论文把机器鱼柔性尾推进从“正弦轨迹驱动/结构共振调参”推进到“周期内功率相位整形”，其核心贡献是在简单单电机硬件上证明了柔性尾的弹性能释放可以通过输入节律被主动利用。