摘 要：模仿自然界軟體動(dòng)物運(yùn)動(dòng)的軟體機(jī)器人，在人機(jī)交互、醫(yī)療服務(wù)等領(lǐng)域具有非常廣泛的應(yīng)用前景。基于模型的控制在解決機(jī)器人運(yùn)動(dòng)學(xué)模型的前提下能夠很好地基于模型求解驅(qū)動(dòng)輸出，從而進(jìn)行較好的控制。針對線驅(qū)動(dòng)軟體機(jī)器人進(jìn)行軟硬件的設(shè)計(jì)，在ROS平臺(tái)進(jìn)行各系統(tǒng)軟件節(jié)點(diǎn)設(shè)計(jì)，結(jié)合模糊控制與局部線性子系統(tǒng)，設(shè)計(jì)多項(xiàng)式模糊模型控制器并對該系統(tǒng)進(jìn)行穩(wěn)定性分析。實(shí)驗(yàn)表明，基于多項(xiàng)式的模糊控制算法，可以控制軟體機(jī)器人實(shí)現(xiàn)跟蹤目標(biāo)，達(dá)到預(yù)期效果。

關(guān)鍵詞：軟體機(jī)器人；模糊控制算法；運(yùn)動(dòng)學(xué)建模；線驅(qū)動(dòng)

中圖分類號：TP273+.4；TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號：2096-4706（2024）20-0111-06

Soft Robot System Based on Fuzzy Control Algorithm

GAO Jingru， GAO Ran， LIU Shuolin， LI Zhexuan， JIANG Jiahui， DU Jialing

（China University of Mining and Technology-Beijing， Beijing 100083， China）

Abstract： Soft Robot that imitates the movement of natural mollusks has a very wide application prospect in the fields of human-robot interaction and medical service. Model-based control can solve the drive output well based on the model under the premise of solving the robot kinematics model， so as to achieve better control. Aiming at the software and hardware design of the line drive soft robot， ROS platform is used to design the software nodes of each system. Combined with fuzzy control and local linear subsystem， a polynomial fuzzy model controller is designed and the stability of the system is analyzed. The experiment shows that the fuzzy control algorithm based on polynomial can control the soft robot to achieve the tracking target， and achieve the expected effect.

Keywords： soft robot; fuzzy control algorithm; kinematics modeling; line drive

0 引 言

機(jī)器人作為現(xiàn)代科學(xué)技術(shù)的結(jié)晶，它涉及機(jī)械工程、控制工程、電子技術(shù)等多個(gè)學(xué)科領(lǐng)域[1]。隨著計(jì)算機(jī)技術(shù)、控制方法、化學(xué)材料等領(lǐng)域飛速進(jìn)步，傳統(tǒng)機(jī)器人的發(fā)展趨于成熟[2]。但是剛性機(jī)器人具有復(fù)雜的機(jī)械結(jié)構(gòu)，人機(jī)安全系數(shù)低、較差的適應(yīng)性等缺點(diǎn)，無法適用于尺寸小于自身尺寸或形狀復(fù)雜的通道。隨著人機(jī)交互的復(fù)雜度及頻率越來越高，要求機(jī)器人具有更高的柔順性、適應(yīng)性和安全性[3]，軟體機(jī)器人應(yīng)運(yùn)而生。軟體機(jī)器人由于自身材料的柔軟和可延展性，有很強(qiáng)的運(yùn)動(dòng)能力和靈活性，自適應(yīng)性、低成本和被動(dòng)安全性等優(yōu)點(diǎn)，使它在人機(jī)交互、醫(yī)療服務(wù)等領(lǐng)域具有非常廣泛的應(yīng)用前景。由于軟體機(jī)器人具有高度的非線性，建立精確的運(yùn)動(dòng)模型變得十分困難，而模糊控制算法無須系統(tǒng)完整的精確模型，就能達(dá)到很好的控制效果。因此，立足于現(xiàn)狀背景，提出基于模糊模型的模糊控制算法。

1 線驅(qū)軟體機(jī)器人硬件設(shè)計(jì)

1.1 線驅(qū)軟體機(jī)器人實(shí)物設(shè)計(jì)

線驅(qū)動(dòng)軟體機(jī)器人的靈感來自人的肌肉，在牽引線的過程中也選用同樣的方式：一側(cè)拉伸一側(cè)放松。布線形式選擇目前常用的中心截面夾角90度的四線驅(qū)動(dòng)。軟體機(jī)器人操作臂內(nèi)部有四個(gè)貫穿固定端和末端的通孔，通孔中穿入驅(qū)動(dòng)線纜，共四根，分別通過對應(yīng)四個(gè)電機(jī)拉驅(qū)動(dòng)線的方式使膠體觸手彎曲。

軟體機(jī)器人制作流程：

1）準(zhǔn)備好所需的丙烯酸改性環(huán)氧樹脂和硬化劑、催化劑，將兩種材料按照一比的比例倒入容器，緩慢攪拌至材料混合完全且無氣泡產(chǎn)生。

2）將模具組裝完全并加以固定。將準(zhǔn)備好的驅(qū)動(dòng)線纜與穿線針連接，將穿線針固定到模具內(nèi)正確位置。

3）將混合物使用引流棒引流灌注至模具之中，將模具靜置冷卻。

4）將冷卻完畢后的成型觸手輕輕取出，并將穿線針輕輕抽出，使驅(qū)動(dòng)線纜進(jìn)入觸手之中，即可得到制備好的軟體機(jī)器人。

圖1為軟體機(jī)器人制作過程圖。

1.2 硬件結(jié)構(gòu)設(shè)計(jì)

硬件系統(tǒng)的總體控制流程如圖2硬件系統(tǒng)結(jié)構(gòu)框架圖所示：深度攝像頭采集數(shù)據(jù)輸入，定位目標(biāo)，發(fā)送給主控板，主控板控制電機(jī)，電機(jī)控制機(jī)器人運(yùn)動(dòng)。

軟體機(jī)器人硬件包括主控制器、數(shù)據(jù)采集模塊和電機(jī)驅(qū)動(dòng)模塊：

1）主控制器。選用Orin Nano主控板，用來接收輸入設(shè)備的信息。將信號發(fā)送給執(zhí)行單元，實(shí)現(xiàn)對軟起機(jī)器人的操控。Orin Nano主控板可以處理復(fù)雜的AI任務(wù)，在提供高性能的同時(shí)也注重了能效比。支持多種接口和協(xié)議，具有良好的集成性，可實(shí)現(xiàn)快速部署和應(yīng)用。

2）數(shù)據(jù)采集模塊。選用Intel D435i相機(jī)進(jìn)行輸入。通過對圖像進(jìn)行目標(biāo)檢測，采集軟體機(jī)器人末端位置信息，發(fā)送給主控板。該深度相機(jī)主要由2 000萬像素RGB攝像頭、深度和跟蹤模塊以及深度攝像頭組成。其視場角度為85×58度，深度距離在0.1～10 m，深度精度小于2%（2 m內(nèi)）。

3）電機(jī)驅(qū)動(dòng)模塊。選用57兩相混合式步進(jìn)電機(jī)作為執(zhí)行器。電機(jī)接收主控板電信號，以相應(yīng)的速度和加速度進(jìn)行轉(zhuǎn)動(dòng)，通過傳動(dòng)機(jī)構(gòu)拉伸驅(qū)動(dòng)繩線，操控軟體機(jī)器人運(yùn)動(dòng)。混合式步進(jìn)電機(jī)綜合了反應(yīng)式和永磁式的優(yōu)點(diǎn)，既有較小的步距角，同時(shí)也具有輸出力矩大、動(dòng)態(tài)性能好的特點(diǎn)，可以按照程序準(zhǔn)確地旋轉(zhuǎn)一定的角度，且誤差較小，動(dòng)態(tài)響應(yīng)快，確保轉(zhuǎn)速和停止時(shí)的穩(wěn)定性。

1.3 線驅(qū)軟體機(jī)器人運(yùn)動(dòng)學(xué)建模

軟體機(jī)器人的運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)建模與傳統(tǒng)的剛性機(jī)器人不同，軟體機(jī)器人形變具有強(qiáng)非線性，在運(yùn)動(dòng)數(shù)據(jù)采集、分析等方面有一定難度，而且軟體機(jī)器人可以實(shí)現(xiàn)大幅度彎曲變形，具有無限多的自由度，難以建立精確的數(shù)學(xué)模型[4]。

區(qū)別主要在于，軟體機(jī)器人沒有傳統(tǒng)意義上的關(guān)節(jié)，可以利用近似與無窮逼近這一思想，將軟體機(jī)器人的操作臂視為一條空間曲線，該條曲線包含的多段曲線可視為“連桿”，通過這些“關(guān)節(jié)”的參數(shù)求得末端的空間位置，進(jìn)而求得速度關(guān)系，即分段常曲率模型。

分段常曲率（Piecewise Constant Curvature， PCC）模型被廣泛應(yīng)用于模擬連續(xù)體機(jī)器人，假設(shè)主要結(jié)構(gòu)近似地由一系列具有常曲率的連通切弧表示。這種簡化大大降低了計(jì)算彎曲角度的復(fù)雜性，使運(yùn)動(dòng)學(xué)建模和實(shí)時(shí)控制的實(shí)現(xiàn)更加方便[5]。

各段圓弧的參數(shù)皆為所設(shè)虛擬關(guān)節(jié)變量，具體可設(shè)為：中心弧線曲率k，彎曲平面角?，中心弧長l，圓心角θ以及圓弧半徑r。第i段操作臂虛擬關(guān)節(jié)變量示意圖如圖3第i段操作臂示意圖所示。在該圓柱上下兩個(gè)截面分別建立局部坐標(biāo)系{oi?1 xi?1 yi?1 zi?1}和{oi xi yi zi}，以截面中心為原點(diǎn)，x軸正方向指向1號驅(qū)動(dòng)線的方向，z軸為中心軸切線方向，且指向下一截面，y軸結(jié)合x軸和z軸由右手定則確定。

首先求解驅(qū)動(dòng)空間與虛擬關(guān)節(jié)空間的映射，第i段驅(qū)動(dòng)空間與虛擬關(guān)節(jié)空間的映射如式（1）（2）和（3）所示：

i=1，…，N （1）

i=1，…，N （2）

i=1，…，N （3）

其中，qm表示驅(qū)動(dòng)線的平均伸縮量，式（1）（2）和（3）建立了驅(qū)動(dòng)變量與虛擬關(guān)節(jié)變量的關(guān)系。

其次再求解虛擬關(guān)節(jié)空間與任務(wù)空間的映射。按照D-H法列出第i段運(yùn)動(dòng)序列變換關(guān)系，獲得第i小段的上下截面坐標(biāo)系之間的齊次變換矩陣為：

則坐標(biāo)系{oi xi yi zi}相對于基坐標(biāo)系{oo xo yo zo}的其次變換矩陣為：

（5）

至此，通過式（4）（5）建立了虛擬關(guān)節(jié)空間與工作空間的映射。

計(jì)算得到計(jì)算機(jī)器人運(yùn)動(dòng)學(xué)模型為：

（6）

其中，J表示機(jī)器人的運(yùn)動(dòng)學(xué)雅可比矩陣。

2 線驅(qū)軟體機(jī)器人軟件設(shè)計(jì)

軟件設(shè)計(jì)采用Python語言，在開發(fā)平臺(tái)ROS進(jìn)行展開。主要包括控制器節(jié)點(diǎn)、通信節(jié)點(diǎn)、攝像頭數(shù)據(jù)采集節(jié)點(diǎn)。

控制器節(jié)點(diǎn)設(shè)計(jì)：控制器節(jié)點(diǎn)主要完成驅(qū)動(dòng)電機(jī)以及獲取傳感器數(shù)據(jù)、參考軌跡和主控板的控制信息。電機(jī)驅(qū)動(dòng)部分主要是生成電機(jī)速度信息。需要使用的函數(shù)包括初始化函數(shù)、模糊控制器函數(shù)、電機(jī)驅(qū)動(dòng)函數(shù)、模糊控制參數(shù)、調(diào)用配置參數(shù)、時(shí)間參數(shù)、和中斷口的引腳設(shè)置等。void_main_loop（）是系統(tǒng)的主程序，它主要發(fā)布對電機(jī)轉(zhuǎn)速的控制信息，同時(shí)訂閱跟蹤軌跡節(jié)點(diǎn)的參考軌跡話題/cmd_tra 和傳感器節(jié)點(diǎn)的位姿話題/cmd_pos，/cmd_pos接收接收并分析數(shù)據(jù)得出速度信息v。部分程序?yàn)椋?/p>

ros：：Subscriber<Flexsensor_msgs：：Twist> sub（“cmd_pos”， CallBack）

ros：：Subscriber<ReferTrajectory_msgs：：Twist> sub（“cmd_tra”， CallBack）

voidCallBack（const Flexsensormsgs：：Twist & velmsg， ReferTragectory msgs：：Twist

& vel_msg）{

v=vel_msg.linear.x;

通信節(jié)點(diǎn)設(shè)計(jì)：為了更好地完成系統(tǒng)內(nèi)部通信，選用CAN總線網(wǎng)絡(luò)。CAN的工作模式主要有以下三種：初始化模式、正常模式和睡眠模式。軟件初始化只能在硬件初始化模式下完成后進(jìn)行。其工作模式如圖4CAN總線工作模式圖所示。CAN單元初始化和工作模式選擇程序如下：

*import time

VCI_USBCAN2=4

STATUS_OK=1

class VCI_INIT_CONFIG（Structure）：

_fields_=[（"AccCode"， c_uint），

（"AccMask"， c_uint），

（"Reserved"， c_uint），

（"Filter"， c_ubyte），

（"Timing0"， c_ubyte），

（"Timing1"， c_ubyte），

（"Mode"， c_ubyte）

Can1.Instance=CAN1;

Can1.Init. Raspberry=6;

Can1.Init.Mode=CAN_MODE_NORMAL;

Can1.Init.SyncWidth=CAN_SW_TQ; ]

攝像頭數(shù)據(jù)采集節(jié)點(diǎn)設(shè)計(jì)：首先進(jìn)行圖像采集，需要做的工作為讀取左右泛光圖。隨后進(jìn)行相機(jī)標(biāo)定，相機(jī)標(biāo)定是為了確定圖像像素點(diǎn)與相機(jī)拍攝空間對應(yīng)某點(diǎn)的三維坐標(biāo)關(guān)系建立的幾何模型。使用方格尺寸為17.6 mm的黑白棋盤格圖片作為標(biāo)定物，通過改變攝像頭的朝向多角度拍攝標(biāo)定物照片；從拍攝圖片中提取標(biāo)定物的棋盤格點(diǎn)，計(jì)算畸變系數(shù)，用極大似然法優(yōu)化估計(jì)，提高精度。在做好準(zhǔn)備工作及設(shè)置好相機(jī)之后，識(shí)別并采集軟體機(jī)器人操作臂末端的實(shí)時(shí)位置信息，實(shí)時(shí)獲取目標(biāo)點(diǎn)即紅色小球的三維空間位置信息。

YOLOv5是一個(gè)開源項(xiàng)目，源代碼公開，并且提供了預(yù)訓(xùn)練的模型權(quán)重。這使得使用YOLOv5進(jìn)行目標(biāo)檢測變得非常方便，無須從頭開始訓(xùn)練模型，只需進(jìn)行適當(dāng)?shù)奈⒄{(diào)即可。YOLO5使用了更小的模型，既保證了高精度，又減少了計(jì)算資源和存儲(chǔ)空間的消耗。它可以處理更高分辨率的圖像，同時(shí)保持精度。簡化了目標(biāo)檢測任務(wù)，直接在圖像上預(yù)測邊界框和類別，提高了檢測效率。在保持較高準(zhǔn)確性的同時(shí)，通過網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化和使用更高效的模型設(shè)計(jì)，實(shí)現(xiàn)了更快的推理速度。通過使用不同尺度的特征圖進(jìn)行目標(biāo)檢測，可以有效地檢測不同大小的目標(biāo)?？傊琘OLOv5憑借其高精度、高效性能、簡單易用、多平臺(tái)適用和多功能等優(yōu)勢，在目標(biāo)檢測領(lǐng)域中表現(xiàn)出色，為各種實(shí)際應(yīng)用提供了強(qiáng)大的支持。使用YOLOv5的5.0版本，準(zhǔn)備好訓(xùn)練數(shù)據(jù)集，用labelimg為數(shù)據(jù)集打標(biāo)簽，對其進(jìn)行預(yù)處理和標(biāo)注。為了縮短網(wǎng)絡(luò)的訓(xùn)練時(shí)間，并達(dá)到更好的精度，加載預(yù)訓(xùn)練權(quán)重進(jìn)行網(wǎng)絡(luò)的訓(xùn)練。訓(xùn)練模型，首先修改數(shù)據(jù)配置文件，修改兩個(gè)yaml文件中的參數(shù)；其次修改模型配置軟件，使用的是YOLOv5s.pt這個(gè)預(yù)訓(xùn)練權(quán)重。訓(xùn)練自己的模型，啟用tensorbord查看訓(xùn)練過程。等到數(shù)據(jù)訓(xùn)練好了以后，利用最好的權(quán)重文件來做推理測試，測試效果不錯(cuò)。

對軟體機(jī)器人進(jìn)行控制時(shí)，需要四個(gè)電機(jī)同時(shí)工作。單線程執(zhí)行程序時(shí)，需按照順序結(jié)構(gòu)執(zhí)行程序，其效率通常低于多線程應(yīng)用程序。多線程的實(shí)現(xiàn)采用了并發(fā)執(zhí)行機(jī)制，可以使多任務(wù)系統(tǒng)執(zhí)行多個(gè)互相獨(dú)立的程序，來完成不同的操作。在利用 Python 語言進(jìn)行多線程編程時(shí)，主要使用三大模塊：thread 模塊、fork 進(jìn)程和 Multiprocessing模塊。thread模塊進(jìn)行多線程編程時(shí)進(jìn)程只能目前利用一個(gè)CPU內(nèi)核，無法使用主控板的全部資源；fork建立多個(gè)子進(jìn)程時(shí)會(huì)導(dǎo)致代碼邏輯復(fù)雜；因此選用專用于多任務(wù)處理的multiprocessing模塊，建立多線程任務(wù)。部分代碼如下：

import multiprocessing as mp

import time， os

def my_process（num）：

print（"I'm process no.%d， PID=%d." %（num， os.getpid（）））

time.sleep（3）

print（"Creating new processes..."）

p1=mp.Process（target=my_process， args=（1，））

p2=mp.Process（target=my_process， args=（2，））

p3=mp.Process（target=my_process， args=（3，））

p1.start（）

p2.start（）

p3.start（）

print（"Waiting for all the processes..."）

p1.join（）

p2.join（）

p3.join（）

3 控制算法設(shè)計(jì)

模糊控制是一種基于模糊數(shù)學(xué)的智能控制方法，其最大的優(yōu)點(diǎn)在于不依賴針對被控對象建立的精確數(shù)學(xué)模型，而能將操作人員積累的豐富經(jīng)驗(yàn)融入模糊控制器[6-8]。模糊控制系統(tǒng)能夠?qū)⑷说亩ㄐ运季S和判斷方法定量化，以便計(jì)算機(jī)進(jìn)行處理，使其更加接近人的表達(dá)方式[9]。模糊控制系統(tǒng)具有很強(qiáng)的魯棒性，外界干擾或系統(tǒng)參數(shù)變化對控制結(jié)果影響較小，可用于非線性且時(shí)變性、滯后性強(qiáng)的系統(tǒng)控制過程[10]。因此使用T-S模糊模型，構(gòu)建基于模糊控制算法的控制系統(tǒng)。如圖5基于模糊模型方法的控制體系結(jié)構(gòu)所示。

采用多項(xiàng)式模糊模型來表示連續(xù)介質(zhì)機(jī)械手的系統(tǒng)狀態(tài)模型。利用隸屬函數(shù)，混合局部多項(xiàng)式模型，構(gòu)造多項(xiàng)式模糊模型。

（7）

其中，x表示系統(tǒng)狀態(tài)向量，y表示輸出向量，ωi表示歸一化隸屬度，A和B分別表示已知多項(xiàng)式系統(tǒng)和輸入矩陣，表示x中的單項(xiàng)式向量，u（t）表示輸入矩陣，C表示常數(shù)輸出矩陣。當(dāng)且僅當(dāng)x=0時(shí)，。

聯(lián)立式（6）的雅可比矩陣，系統(tǒng)在控制層面的數(shù)學(xué)描述可表述為：

（8）

g表示式（1）（2）和（3）聯(lián)立得到的3×1階矩陣；在僅考慮末端執(zhí)行器位置表示的情況下，h僅取式（4）齊次變換矩陣T最后一列的前三個(gè)元素。

為了用模糊模型表示（8）中包含的軟體機(jī)器人狀態(tài)空間模型，采用局部近似技術(shù)。僅在一個(gè)點(diǎn)上近似，以降低計(jì)算需求。

根據(jù)制定的模糊控制規(guī)則進(jìn)行邏輯推理，是模糊控制器設(shè)計(jì)的核心部分[11]。在定義的狀態(tài)空間模型基礎(chǔ)上，接著定義6個(gè)模糊規(guī)則來平滑地組合它們以形成整體模糊模型。6個(gè)模糊規(guī)則描述為：

規(guī)則1：IF x is and y is ，THEN

其中（i=1，2，…，6）表示規(guī)則的模糊項(xiàng)，對應(yīng)于前提變量x，=0.015左右，=0.075左右；（i =1，2，…，6）表示規(guī)則i的另一個(gè)模糊項(xiàng)，對應(yīng)于前提變量y，=-0.075左右，=0左右，=0.075左右。

系統(tǒng)采用全狀態(tài)反饋控制，C=I，Γ=I，代入式（7）得到模糊模型：

（9）

根據(jù)（9）的模糊模型，可以獲得模糊控制器：

控制器形式為：

在MATLAB中使用模糊推理系統(tǒng)的GUI進(jìn)行控制器的設(shè)計(jì)，如圖6的FIS GUI所示，該系統(tǒng)為雙輸入單輸出T-S型模糊推理系統(tǒng)，編輯好輸入輸出按照前文規(guī)則可得圖7所示規(guī)則庫。根據(jù)隸屬函數(shù)得到其在MATLAB中的函數(shù)形狀，如圖7規(guī)則庫所示。

4 實(shí)驗(yàn)結(jié)果

深度相機(jī)拍攝照片，如圖8軟體機(jī)器人運(yùn)動(dòng)平臺(tái)初始狀態(tài)圖所示，準(zhǔn)確識(shí)別紅色小球的位置信息，將信息傳遞給主控板，主控板分析后，發(fā)送指令給電機(jī)，隨著電機(jī)的驅(qū)動(dòng)，軟體機(jī)器人發(fā)生彎曲，靠近小球，如圖9軟體機(jī)器人運(yùn)動(dòng)平臺(tái)運(yùn)動(dòng)控制效果圖所示。實(shí)驗(yàn)表明基于多項(xiàng)式的模糊控制算法能對軟體機(jī)器人操作實(shí)現(xiàn)跟蹤目標(biāo)，達(dá)到預(yù)期效果。

5 結(jié) 論

對軟體機(jī)器人進(jìn)行總體設(shè)計(jì)，搭建了軟體機(jī)器人總體框架，包括系統(tǒng)設(shè)計(jì)即系統(tǒng)的軟硬件設(shè)計(jì)組成。硬件包括Orin Nano主控板、Intel D435i相機(jī)、57兩相混合式步進(jìn)電機(jī)；對軟體機(jī)器人操作臂進(jìn)行結(jié)構(gòu)設(shè)計(jì)，結(jié)構(gòu)確定為4線驅(qū)動(dòng)軟體機(jī)器人。軟件設(shè)計(jì)采用Python語言，在ROS平臺(tái)進(jìn)行設(shè)計(jì)。設(shè)計(jì)節(jié)點(diǎn)包括：控制器節(jié)點(diǎn)、通信節(jié)點(diǎn)、攝像頭數(shù)據(jù)采集節(jié)點(diǎn)。使用T-S模糊模型，構(gòu)建基于模糊控制算法的控制系統(tǒng)，完成了軟體機(jī)器人平臺(tái)目標(biāo)識(shí)別跟蹤的實(shí)驗(yàn)。

參考文獻(xiàn)：

[1] 肖偉，胡國良，肖毅華，等.氣動(dòng)軟體致動(dòng)器研究綜述 [J/OL].機(jī)械科學(xué)與技術(shù)：2024：1-14[2024-04-10].https：//doi.org/10.13433/j.cnki.1003-8728.20240036.

[2] 王成軍，李帥.軟體機(jī)器人研究現(xiàn)狀 [J].微納電子技術(shù)，2019，56（12）：948-955+991.

[3] GUAN Q H，SUN J，LIU Y J，et al. Status of and Trends in Soft Pneumatic Robotics [J].SCIENTIA SINICA Technologica，2020，50（7）：897-934.

[4] 蔣國平，孟凡昌，申景金，等.軟體機(jī)器人運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)建模綜述 [J].南京郵電大學(xué)學(xué)報(bào)：自然科學(xué)版，2018，38（1）：20-26.

[5] 黃煒成，周帥，秦龍輝.軟體機(jī)器人動(dòng)力學(xué)建模與計(jì)算研究進(jìn)展 [J].力學(xué)季刊，2024，45（1）：1-18.

[6] 牛繼高，張兵，徐春華.基于模糊控制的純電動(dòng)汽車制動(dòng)能量回收研究 [J].中原工學(xué)院學(xué)報(bào)，2020，31（2）：23-28.

[7] AI M，WANG P，MA W. Research and App Lication of Smart Streetlamp Based on Fuzzy Control Menthod [J].Pro-cedid Computer Science，2021，183：341-348.

[8] 張攀，劉新杰，張威，等.飛機(jī)牽引機(jī)器人路徑跟蹤模糊控制 [J].計(jì)算機(jī)工程與應(yīng)用，2019，55（16）：217-220+234.

[9] 賈玉文，段曉，張厚明，等.研究堆Mamdani型模糊控制器設(shè)計(jì)優(yōu)化方法 [J].原子能科學(xué)技術(shù)，2021，55（6）：1091-1097.

[10] 牛繼高，牛丹彤，徐春華，等.增程式電動(dòng)汽車最優(yōu)曲線模糊控制策略研究 [J].汽車工程，2018，40（7）：757-763.

[11] BENYEZZA H，BOUHEDDA M，REBOUH S. Zoning Irrigation Smart System Based on Fuzzy Control Technology and IoT for Water and Energy Saving [J].Journal of Cleaner Production，2021，302：127001-127016.

作者簡介：高靖茹（2002—），女，漢族，陜西漢中人，本科在讀，研究方向：人工智能；高燃（2002—），女，漢族，重慶萬州人，本科在讀，研究方向：人工智能；劉碩林（2003—），男，漢族，安徽淮北人，本科在讀，研究方向：人工智能；李哲軒（2002—），男，漢族，內(nèi)蒙古包頭人，本科在讀，研究方向：人工智能；江家輝（2001—），男，漢族，廣東廣州人，本科在讀，研究方向：人工智能；杜佳嶺（2001—），男，漢族，陜西延安人，本科在讀，研究方向：人工智能。