船舶外板除锈机器人控制系统及稳定性研究

孙德平; 崔仁浩; 张小俊

doi:10.12404/j.issn.1671-1815.2506640

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (14) :6004-6014 DOI: 10.12404/j.issn.1671-1815.2506640

机械、仪表工业

船舶外板除锈机器人控制系统及稳定性研究

作者信息 +

Control System and Stability of Ship Hull Rust-removing Climbing Robot

Author information +

文章历史 +

摘要

随着海上贸易的发展,高盐环境下的船体防腐与自动化除锈成为船舶维护的迫切需求。为解决此问题,设计开发了一款用于船体除锈的爬壁机器人,除锈机器人结构紧凑,采用三轮底盘加机械臂的一体化设计。控制系统集成了运动、执行、检测与视觉模块。实验表明,水平Z字形路径是最适合机器人工作时的行走方式。机械臂末端定位准确,与整机配合顺畅。机器人爬行速度达到3.7 m/min,转弯越障都表现良好,能够有效完成除锈任务。这项研究为中国船舶维护自动化发展提供了自有技术方案,有助于打破国外垄断。

Abstract

As global maritime trade expands steadily, the demand for efficient ship maintenance continues to rise, while hull steel corrosion caused by long-term exposure to high-salt marine environments remains a major challenge that threatens ship structural safety and increases maintenance costs. Rust removal, as a key step in ship maintenance, directly affects the protective effect of hull coatings, making the development of automated, high-performance rust removal equipment an urgent need in the shipbuilding and repair industry. A wall-climbing robot dedicated to hull rust removal was designed and developed. Characterized by a compact structure, the rust removal robot was designed with an integrated configuration consisting of a three-wheeled chassis and a robotic arm. Its control system was integrated with four functional modules, namely motion control, execution, detection, and machine vision. Experimental results demonstrate that the horizontal zigzag path is identified as the optimal traveling pattern for the robot during operational processes. High positioning accuracy is achieved by the end effector of the robotic arm, and smooth coordination with the entire robot system is maintained. A climbing speed of 3.7 m/min is attained by the robot, and superior performance in turning and obstacle negotiation is exhibited by it, enabling hull rust removal tasks to be effectively accomplished. This research provides an independent technical solution for the advancement of ship maintenance automation in China, which is of great significance for breaking the monopoly of foreign technologies in this field.

Graphical abstract

关键词

爬壁机器人 / 船舶除锈 / 运动学 / 受力分析 / 性能实验

Key words

climbing robot / ship rust removal / kinematics / force analysis / performance experiments

引用本文

引用格式 ▾

孙德平, 崔仁浩, 张小俊. 船舶外板除锈机器人控制系统及稳定性研究[J]. 科学技术与工程, 2026, 26(14): 6004-6014 DOI:10.12404/j.issn.1671-1815.2506640

SUN De-ping, CUI Ren-hao, ZHANG Xiao-jun. Control System and Stability of Ship Hull Rust-removing Climbing Robot[J]. Science Technology and Engineering, 2026, 26(14): 6004-6014 DOI:10.12404/j.issn.1671-1815.2506640

登录浏览全文

4963

注册一个新账户忘记密码

船舶作为海洋运输与贸易的核心载体,长期服役于高盐雾、高湿度的恶劣海洋环境,船体钢板易发生严重锈蚀,不仅会缩短船舶使用寿命、增加航行安全隐患,还可能引发海洋环境污染。据统计,除锈质量占船舶涂装保护效果影响因素的 49.5%,是决定涂层防护性能的关键环节。船舶表面长期受海水、海洋生物和高盐空气的影响,容易发生锈蚀,需要经常做除锈维护。传统人工喷砂除锈有很多问题,如高空作业危险、效率不高、砂料消耗得多,还会污染环境^[1-2]。船舶除锈机器人为解决这些问题而研发,一般使用永磁体吸附在船体,依靠履带或轮子在船体移动,代替人完成高空除锈工作,效率更高,更安全环保。上海交通大学开发过用于检测油罐的爬壁机器人^[3];大连海事大学研制了基于履带移动的除锈机器人^[4];美国Flow公司^[5]、德国KAMAT公司^[6]等技术比较成熟,但对国内仍有技术限制。目前的研究主要关注机器人的吸附方式、运动控制和除锈效率,但机器人的自动化程度还不够高,在复杂曲面上作业比较困难。

针对船体外壁的工作环境,现设计一款磁吸附三轮摆臂式高压水除锈机器人,并配套设计集成总控、执行、检测与视觉功能的一体化控制系统。经过后续实验和实船测试,该机器人表现良好:能够以3.7 m/min的速度稳定移动,可以在船舶外板按照设定的路径工作,除锈效果也优于人工除锈水平。该研究成果为船舶维护自动化提供可行的技术路径,对突破国外技术垄断、推动修船行业提升效率与质量具有工程应用前景。

1 磁吸附爬壁除锈机器人结构设计及分析

1.1 整体结构介绍

除锈机器人的机械本体由下方的移动平台与上方的机械臂单元组成,如图1所示。移动平台装有永磁体吸附装置确保机器人可以吸附在船舶外板,还装有两个驱动轮从而满足工作时可按预定路径移动;机械臂搭载高压水枪以完成船舶外板锈层清除工作^[7]。

1.2 磁吸单元设计及分析

1.2.1 磁吸单元设计原则

吸附单元需在270 mm×80 mm×90 mm的空间与重量限制下,实现吸附面强磁场、背侧弱磁场的分布,通过采用高磁能积永磁材料与磁轭构建闭合磁路,在保障吸附力的同时有效抑制外围磁场泄漏,体现了多目标协同的系统设计理念。

1.2.2 吸附单元永磁材料选择

爬壁机器人的吸附单元的材料会直接影响机器人工作时移动的稳定性,式(1)表达了材料在磁场中的磁特性^[8]。

(1)μ_oμ_r=$\frac{{B}_{A}}{{H}_{A}}$

式(1)中:μ_o为真空磁导率;μ_r为该点处永磁材料的相对磁导率;B_A为该点处磁感应强度;H_A为该点处磁场强度,在后续的设计中可根据此原理为机器人选取合适的永磁材料。

1.2.3 吸附单元结构设计

该吸附模块结构设计针对船舶外板壁面特征,在综合参考多种吸附结构设计^[9-11]之后,提出了如图2所示的永磁装置。该机构相较于圆环形吸附机构,可规避因船舶外板不同区域曲率差异引发的吸附效率降低问题,在伴随机器人移动过程中,能够通过切除不参与吸附的“优弧”部分来提升吸附效率;当需要从船体壁面脱离时,可使机器人的从动轮绕驱动轮转动一个角度从而实现脱离。

1.3 运动学分析

1.3.1 除锈机器人移动平台运动学模型

如图3所示移动平台配备了2个主动驱动的轮子和1个起支撑作用的万向轮;2个驱动轮分别由单独的电机控制,后方万向轮负责承载^[12-13],其运动学方程,如式(2)和式(3)所示。

(2)

$\left\{\begin{array}{l}{x}_{M}={x}_{0}+\frac{r}{2}{\int }_{0}^{t}({\theta }_{L}^{}+{\theta }_{R}^{})cos\theta dt\\ {y}_{M}={y}_{0}+\frac{r}{2}{\int }_{0}^{t}({\theta }_{L}^{}+{\theta }_{R}^{})sin\theta dt\\ {z}_{M}={z}_{0}=C\\ {\theta }_{M}={\theta }_{0}+\frac{r}{L}{\int }_{0}^{t}(-{\theta }_{L}^{}+{\theta }_{R}^{})dt\end{array}\right.$

(3)$\left[\begin{array}{l}{x}_{0}^{}\\ {y}_{0}^{}\\ {z}_{0}^{}\\ {\theta }^{}\end{array}\right]$=$\left[\begin{array}{ll}\frac{r}{2}cos\theta -\frac{dr}{L}sin\theta & \frac{r}{2}cos\theta +\frac{dr}{L}sin\theta \\ \frac{r}{2}sin\theta +\frac{dr}{L}cos\theta & \frac{r}{2}sin\theta -\frac{dr}{L}cos\theta \\ 0& 0\\ -\frac{r}{L}& \frac{r}{L}\end{array}\right]\left[\begin{array}{l}{\theta }_{L}^{}\\ {\theta }_{R}^{}\end{array}\right]$

式中:x_M、y_M、z_M为移动平台参考点实时空间坐标;θ_M为实时姿态角;x₀、y₀、z₀为初始位姿;

${\theta }_{L}^{}$

、

${\theta }_{R}^{}$

为驱动轮角速度;r为驱动轮半径;L为轮距;t为时间。

依据式(2)与式(3)可为后续除锈机器人路径规划提供信息支持。

1.3.2 除锈机器人机械臂运动学模型

在实际除锈作业中,机器人要精确控制喷枪的运动轨迹的前提是能够精准控制机械臂。通过建立机械臂的运动学模型,为基于目标位姿反求关节角度提供了理论依据,机械臂坐标系的建立依据标准的D-H方法,其坐标系示意图绘制于图4。

根据此方法建立的连杆坐标系经过变换得到

(4)${ }_{i}^{i-1} \boldsymbol{T}=\left[\begin{array}{cccc}c \theta_{i} & -s \theta_{i} & 0 & \alpha_{i-1} \\s \theta_{i} c \alpha_{i-1} & c \theta_{i} c \alpha_{i-1} & -s \alpha_{i-1} & -d_{i} s \alpha_{i-1} \\s \theta_{i} s \alpha_{i-1} & c \theta_{i} s \alpha_{i-1} & c \alpha_{i-1} & d_{i} c \alpha_{i-1} \\0 & 0 & 0 & 1\end{array}\right]$

通过求解式(4),即可求出所需的运动参数为

(5)θ₀=tan^-1$\left(\frac{\pm \sqrt[ ]{{p}_{x}^{2}+{p}_{z}^{2}-{l}_{0}^{2}}}{{l}_{0}}\right)$-tan^-1

$\left(\frac{{p}_{x}}{{p}_{z}}\right)$

(6)θ₁=tan^-1

$\left(\pm \sqrt[ ]{\frac{{l}_{1}^{2}-{p}_{x}^{2}-{p}_{z}^{2}+{l}_{0}^{2}}{{p}_{x}^{2}+{p}_{z}^{2}-{l}_{0}^{2}}}\right)$

(7)θ₂=tan^-1

$\left(\frac{{n}_{y}c{\theta }_{1}-{n}_{x}c{\theta }_{0}s{\theta }_{1}-{n}_{z}s{\theta }_{0}s{\theta }_{1}}{{n}_{y}s{\theta }_{1}+{n}_{x}c{\theta }_{0}c{\theta }_{1}+{n}_{z}c{\theta }_{1}s{\theta }_{0}}\right)$

式中

${:}_{ i}^{i-1}$

T为连杆变换矩阵;c、s、α、d为连杆参数;θ₀、θ₁、θ₂为关节角;l₀、l₁为连杆长度;p_x、p_y、p_z为位姿参数;n_x、n_y、n_z为方向向量相关量。

1.4 动力学分析

1.4.1 除锈机器人直线运动动力学分析

图5为机器人在船舶壁面直线爬行受力图,根据图中进行受力分析可确定机器人直线爬行工作时的受力情况^[14]为

(8)

$\left\{\begin{array}{l}{F}_{f}-Gsin\beta =m{\stackrel{··}{x}}_{c}\\ {F}_{ql}+{F}_{qr}-f-Gcos\beta =m{\stackrel{··}{y}}_{c}\\ ({F}_{qr}-{F}_{ql})b+{F}_{f}d=I\stackrel{··}{\theta }\end{array}\right.$

式(8)中:f为机器人受到的滚动阻力;F_f为机器人受到的静摩擦力总和;F_ql和F_qr为两轮的驱动力;

${\stackrel{··}{x}}_{c}$

为机器人质心沿船舶壁面x方向的线性加速度;

${\stackrel{··}{y}}_{c}$

为机器人质心沿船舶壁面y方向的线性加速度;

$\stackrel{··}{\theta }$

为机器人绕质心的角加速度。

此时两驱动轮所受的驱动力为

(9)

$\left\{\begin{array}{l}{F}_{ql}=\frac{1}{2}\left(Gcos\beta +f+\frac{Gdsin\beta }{b}\right)\\ {F}_{qr}=\frac{1}{2}\left(Gcos\beta +f-\frac{Gdsin\beta }{b}\right)\end{array}\right.$

式(9)中:β为坡度角;G为机器人整体的重力。

两驱动轮对应的驱动力矩分别为

(10)

$\left\{\begin{array}{l}{T}_{l}={F}_{ql}r=\frac{r}{2}\left(Gcos\beta +f+\frac{Gdsin\beta }{b}\right)\\ {T}_{r}={F}_{qr}r=\frac{r}{2}\left(Gcos\beta +f-\frac{Gdsin\beta }{b}\right)\end{array}\right.$

1.4.2 除锈机器人转弯运动动力学分析

图6为机器人在船舶壁面转向时的力学模型,通过分析可确定机器人转向时的受力情况^[15]为

(11)

$\left\{\begin{array}{l}{F}_{f}-Gsin\beta =m{\stackrel{··}{x}}_{e}\\ {F}_{ql}+{F}_{qr}-f-Gcos\beta =m{\stackrel{··}{y}}_{e}\\ ({F}_{qr}-{F}_{ql})b+{F}_{f}d-{M}_{f}=I\stackrel{··}{\theta }\end{array}\right.$

式(11)中:

${\stackrel{··}{x}}_{e}$

与

${\stackrel{··}{y}}_{e}$

分别为质心沿船舶壁面x与y方向的线性加速度。

此时两驱动轮所受的驱动力为

(12)

$\left\{\begin{array}{l}{F}_{ql}=\frac{1}{2}\left(Gcos\beta +f-\frac{{M}_{f}-Gdsin\beta }{b}\right)\\ {F}_{qr}=\frac{1}{2}\left(Gcos\beta +f+\frac{{M}_{f}-Gdsin\beta }{b}\right)\end{array}\right.$

两驱动轮对应的驱动力矩分别为

(13)

$\left\{\begin{array}{l}{T}_{l}=\frac{r}{2}\left(Gcos\beta +f-\frac{{M}_{f}-Gdsin\beta }{b}\right)\\ {T}_{r}=\frac{r}{2}\left(Gcos\beta +f+\frac{{M}_{f}-Gdsin\beta }{b}\right)\end{array}\right.$

1.4.3 除锈机器人转向灵活性分析

机器人在克服阻力转向时会比直线运动的功率更高,其在转向时的灵活系数为

(14)δ=$\frac{{P}_{1}}{{P}_{2}}$

式(14)中:P₁、P₂ 分别为机器人在转向时和直线运动中的功率,该系数越大表明机器人的转向灵活性越差。

根据2.4.2节的分析,可求得除锈机器人转向运动灵活系数为

(15)δ₁=$\frac{{P}_{1}}{{P}_{2}}$ =1+$\frac{{M}_{f}-Gdsin\beta }{R(Gcos\beta +f)}$

式(15)中:R为转向半径。

综上可知,机器人的转向半径越小,灵活性越高,运动控制需兼顾驱动设计与结构轻量化。

2 爬壁除锈机器人作业稳定性方法分析

2.1 控制系统的设计

2.1.1 设计指标

(1)整体外形尺寸:1 174 mm×920 mm×462 mm。

(2)爬壁速度:约3.7 m/min,确保机器人在船舶壁面上能够高效移动,提高除锈作业效率。

(3)除锈宽度:250 mm,一次作业可覆盖较宽区域,减少重复作业次数,提升除锈效率。

(4)最大本体质量:约88 kg,质量适中,便于现场搬运和安装,同时保证机器人在船舶壁面上的稳定性。

(5)承受最小负载:800 N,确保机器人在搭载除锈工具和高压水射流系统等负载时,仍能可靠地在船舶壁面上作业。

2.1.2 控制系统整体方案

根据船舶除锈复杂作业需求,设计了一套模块化分层控制系统,满足路径规划、负重、人机交互、故障处理、操作简单且系统可靠等功能要求。因此为除锈机器人的控制系统设计了如下几个模块以满足其在工作中的需求,如图7所示。

总控单元负责核心的计算和控制;执行单元接收总控指令并驱动机械本体各电机动作;检测单元实时对机器人的工作状态进行检测;视觉监控单元实时回传机器人的工作环境。

2.1.3 总控单元硬件设计

总控单元是该控制系统的核心,集成了控制中心、电源管理与远程遥控三大模块,如图8所示,兼具集中决策、稳定供电和灵活交互能力,有效提升了复杂工况下的控制效率作业质量^[16]。

2.1.4 运动控制单元硬件设计

除锈机器人的运动控制模块包含车体与机械臂两个单元,分别负责移动轨迹调整和末端姿态协调。控制中心通过指令下发与状态反馈,实现对每个运动节点的闭环精确控制^[17],结构如图9所示。

2.1.5 信号检测与处理单元设计

船舶除锈爬壁机器人的传感器信号处理单元承担着获取自身位置姿态信息及保障作业安全可靠的双重职能,基于作业特点,该单元集成防坠传感器、数据采集模块、激光传感器等,如图10所示。

防坠传感器监测机器人是否可能翻落,及时发出信号确保安全;角度传感器实时反馈机身倾斜状态,帮助调整姿态;激光传感器实时检测水枪与船体的距离,信号检测与处理单元保障机器人安全高效地完成工作。

2.2 除锈机器人运动控制算法

2.2.1 除锈机器人运动状态描述

船舶外板除锈过程中,爬壁机器人采用横向倒退方式沿壁面进行环绕作业,如图11所示;在完成设定好的高度区域的锈蚀工作后会转向并在下一高度进行相同的工作,后续工作也根据这个规律进行。实际应用表明,机器人在横向移动时易发生左右方向的姿态偏移,可以根据前文所建运动学模型来避免这一现象^[18]。

2.2.2 除锈机器人姿态倾斜分析

如图12所示,针对机器人爬壁工作时可能的倾斜问题建立稳定性模型^[19]。

根据对除锈机器人两个驱动轮进行分析可得到

(16)N₁=$\frac{2L{F}_{m}+{F}_{m0}L-GH-{N}_{0}L}{2L}$

(17)N₂=$\frac{2L{F}_{m}+{F}_{m0}L+GH-{N}_{0}L}{2L}$

式中:H为重力力臂;L为两轮间的长度参数。

通过对除锈机器人在船舶外板工作状态进行受力分析可知,在这种情况下,机器人两轮所受的力不相等。

2.2.3 除锈机器人直流伺服PID闭环控制

直流伺服电机通过多闭环控制可以实现高速响应和高精度,是机器人能够高质量完成工作的基础^[20],该电机的数学模型可由式(18)描述,除锈机器人电机的控制图如图13所示。

(18)

$\left\{\begin{array}{l}L\frac{di}{dt}=-Ri\left(t\right)-{k}_{b}\omega \left(t\right)+u\left(t\right)\\ J\frac{d\omega }{dt}=-f\omega \left(t\right)+{k}_{T}i\left(t\right)+{T}_{L}\frac{d\theta }{dt}=\omega \left(t\right)\end{array}\right.$

式(18)中:i(t)为电枢电流;R为电枢电阻;k_b为反电动势常数;ω(t)为电机角速度;u(t)为输入电压;J为转动惯量;f为黏滞摩擦系数;k_T为力矩常数;T_L为负载转矩;θ为角位移。

该机器人配备了多级闭环伺服控制系统,分别采用PI和PID算法进行调控,能够同时对力、速度和位姿实现高精度、高动态响应的控制,增强了机器人的运动控制性能和整体可靠性。

2.2.4 电流环控制算法设计

电流环采用 PI 控制算法,电机电流控制系统结构如图14所示,其闭环传递函数为

(19)$\frac{{i}_{s}\left(s\right)}{{i}_{q}\left(s\right)}$=$\frac{{K}_{PWM}({K}_{p}+{K}_{i}/s)}{(Ls+R)+{K}_{PWM}({K}_{p}+{K}_{i}/s)}$

式(19)中:i_s(s)和i_q(s)分别为实际电流和给定电流;K_PWM为PWM逆变系数;K_p为电流调节比例系数;K_i为电流调节微分系数。

采用PI控制算法调节后,电机电流响应波形更加平稳,同时响应过程加快,整体动态响应性能得到有效改善。

2.2.5 速度环控制算法设计

电机速度调节回路用于缩小实际转速与目标值间的跟随偏差,增强系统的响应能力并改善运行平顺性。速度控制系统结构如图15所示,在负载转矩为0时,其闭环传递函数为

(20)$\frac{{\omega }_{s}\left(s\right)}{{\omega }_{q}\left(s\right)}$=$\frac{({K}_{vp}+{K}_{vi}/s){K}_{T}}{({T}_{a}s+1)(Js+f)\left[1+\frac{{K}_{T}({K}_{vp}+{K}_{vi}/s)}{({T}_{a}+1)(Js+f)}\right]}$

式(20)中:T_a为电流环时间常数;K_vi为速度环积分常数;K_vp 为速度控制比例系数;ω_s(s)和ω_q(s)分别为实际转速和给定转速。

经PID参数整定后,速度响应曲线的调节效果显著,整体动态性能获得提升。

2.2.6 位置环控制算法设计和仿真

位置环控制采用基于PID的闭环策略^[21],该系统结构如图16所示,其传递函数为

(21)$\frac{{\theta }_{s}\left(s\right)}{{\theta }_{q}\left(s\right)}$=$\frac{1}{s({T}_{b}s+1)}\frac{{K}_{pp}+{K}_{pi}/s+{K}_{pd}s}{{K}_{pp}+{K}_{pi}/s+{K}_{pd}s+1}$

式(21)中:θ_q(s)为输入角位移;θ_s(s)为输出角位移;T_b为速度环的响应时间常数;K_pp为位置环中的比例增益;K_pi为位置环的积分调节系数;K_pd为位置环的微分调节增益。

PID算法优化后,位置曲线的电机响应调整时间显著缩短,超调量降低且稳态误差减小,系统动态响应特性得到明显改善。

2.3 除锈机器人稳定性控制

2.3.1 除锈机器人驱动轮越障

图17展示了驱动轮越障过程中的受力分析,其简化后的力学平衡方程为

(22)${\left(\frac{{h}_{w}}{D}\right)}_{1}$=$\frac{1}{2}\left(1-\frac{1}{\sqrt[ ]{1+{\varphi }^{2}}}\right)$

式(22)中:ϕ为附着系数;D为驱动轮直径;h_w为焊缝高度。

前驱动轮的越障能力主要取决于附着力系数^[22-23]。

2.3.2 除锈机器人非驱动轮越障

图18展示了从驱动轮越障过程中的受力分析,其简化后的力学平衡方程为

(23)${\left(\frac{{h}_{w}}{d}\right)}_{2}$=$\frac{1}{2}\left\{1-{\left[1+{\left(\frac{\varphi \frac{{l}_{4}}{{l}_{1}}}{1-\varphi \frac{{l}_{4}}{{l}_{1}}-\varphi \frac{{d}_{1}}{2{l}_{1}}}\right)}^{2}\right]}^{-\frac{1}{2}}\right\}$

根据式(23)可得,从动轮的越障能力与l₁/d₁成负相关、与l₄/l₁成正相关,即l₁/d₁越小;l₄/l₁越大时,从动轮越障能力越优。

4 除锈工艺与方法研究

4.1 除锈机器人路径规划

当前可以选取竖直方向和水平方向这两种工作路径,如图19所示。

主要从工作能耗、任务完成时间及对机器人本体的影响3个方面进行了评估^[24]。从2.4节可知,机器人沿水平方向作业时所需克服的转矩较小,能耗也相对更低;式(24)和式(25)分别计算了机器人以水平和竖直路径清理整块船外板所需的工作时间。

(24)T_h=t₁N_h+t₃(N_h-1)=$\frac{HL+{t}_{3}(H-B)V}{BV}$

(25)T_v=t₂N_v+t₃(N_v-1)=$\frac{HL+{t}_{3}(L-B)V}{BV}$

式中:T_h和T_v分别为水平路径和竖直路径的清理总时间;t₁、t₂为单次作业时间;t₃为切换时间;N为作业次数;H、L为板高、板长;B为覆盖宽度;V为移动速度。

将数据代入式(24)和式(25)中可得T_h<T_v,水平路径规划策略所需的工作时间更短。

对除锈机器人自身影响程度进行分析,水平路径通过将水枪前置使锈渣大多落向地面,从而减少了对驱动轮吸附力的影响,优于竖直布置。综上,选取水平方向路径进行船舶外板除锈。

4.2 除锈机器人控制方法

4.2.1 机械臂末端位姿控制

在高压水射流除锈中,喷嘴与壁面间距是影响冲击力的关键因素,该距离通过改变射流结构直接影响滞止压力与剪切应力,进而决定除锈效率,计算最优距离的公式为

(26)$\frac{{p}_{m}}{{p}_{0}}$=${\left(\frac{{l}_{f}}{x}\right)}^{a+b{\left(\frac{x}{{l}_{f}}\right)}^{2}}$

(27)$\frac{p}{{p}_{m}}$=exp$\left[-\left(0.009\frac{x}{\Phi }+1.3\right){\left(\frac{r}{b}\right)}^{n}\right]$

式中:p_m为射流压力;p为实际压力;l_f为射流长度;x为喷嘴与壁面间距;Φ为喷嘴直径;r为射流作用半径。

由式(26)和式(27)可知,射流距离的减小会增强冲击力,但也会缩小作用范围,除锈时要确保高压水枪与船舶外板间距选取合适的数值^[25-26]。

4.2.2 除锈机器人机械臂与车体协调运动控制

在船舶外板除锈作业中,除锈机器人通过传感器感知机械臂摆动极限,触发车体间歇移动,以此循环实现自动除锈^[27],船舶外板除锈作业时的机械臂摆臂范围如图20所示。

通过优化机械臂与车体的协同运动控制算法,实现了相邻作业轨迹间距与喷幅直径的精确匹配,显著提升了船舶外板除锈机器人的轨迹规划质量,如图21所示。

5 实验分析

5.1 机器人爬行速度试验

机器人在模拟真实船体外形的弧形测试平台上运动(图22),其吸附和驱动系统完全能应对在复杂曲面上自由移动并进行除锈作业,移动控制也达到了实际应用的标准。

5.2 机器人转向试验

机器人保持恒定速度,依次完成直行前进与零半径转向动作(图23),经过实验验证可知机器人整体具有较好的机动性能。

5.3 机器人越障爬行试验与结果分析

在平面测试中,这台机器人顺利通过了模拟船体焊缝和加强筋等障碍,在有辅助配合的情况下,还能平稳翻越更高的加强筋。测试(图24)说明此机器人能够自适应地越过障碍,移动稳定,可以满足船舶外板作业中对典型障碍连续处理的实际要求。

5.4 机器人真实工作环境下船舶除锈实验

该机器人于船舶壁面真实工作环境下(图25),配备了2 000 bar(1 bar = 10⁵ Pa)高压水枪与加砂喷头,以20 L/min的流量持续稳定工作,如图26所示。除锈效果良好,达到Sa2.5级标准,整体运行可靠,工作效率较高,能够安全替代人工作业。

6 结论与展望

针对船舶外板除锈的需求,设计了一套搭载机械臂的三轮爬壁机器人系统。该系统集成多单元控制模块,具有总控、执行、检测与视觉功能。通过给机器人建立运动学模型,优化了驱动性能与位姿控制精度,提高了作业覆盖效率与运动协同性。经过后续实验证明,该机器人能以3.7 m/min的速度稳定爬行,转弯与越障性能良好,除锈效果达到Sa2.5级标准,验证了其替代人工操作的可行性。展望未来,可在现有系统基础上进一步提升机器人在船舶外板复杂环境下的自主作业能力,包括增强对不同倾角、曲面及障碍物的适应性、优化作业效率和稳定性,同时探索多任务模块集成与智能化控制方法,使机器人能够在除锈、喷砂及涂覆等多种作业模式下高效运行,从而推动船舶维护向自动化、智能化方向发展,并为实际工业应用提供可行的技术方案。

参考文献

原文顺序 | 出版日期 | 本文引用

[1]	张银行, 潘永智, 门秀花, 等. 海洋船舶钢板除锈技术研究进展[J]. 船舶工程, 2022, 44(4): 113-123.

[2]	Zhang Yinhang, Pan Yongzhi, Men Xiuhua, et al. Research progress on steel plate corrosion removal techniques for marine ships[J]. Ship Engineering, 2022, 44(4): 113-123.

[3]	吴秀霞. 让修船更高效更绿色[N]. 中国船舶报, 2024-07-05(007).

[4]	Wu Xiuxia. Making ship repair more efficient and environmentally friendly[N]. China Shipbuilding News, 2024-07-05(007).

[5]	徐泽亮, 马培荪. 基于电磁能量理论的爬壁机器人履带永磁吸盘设计研究[J]. 机械设计, 2002, 19(11): 23-26.

[6]	Xu Zeliang, Ma Peisun. Design study of tracked permanent-magnet adhesion system for wall-climbing robots based on electromagnetic energy theory[J]. Mechanical Design, 2002, 19(11): 23-26.

[7]	衣正尧, 弓永军, 王祖温, 等. 新型船舶壁面除锈爬壁机器人动力学建模与分析[J]. 机械工程学报, 2010, 46(15): 23-30.

[8]	Yi Zhengyao, Gong Yongjun, Wang Zuwen, et al. Dynamic modeling and analysis of a novel wall-climbing robot for ship hull corrosion removal[J]. Journal of Mechanical Engineering, 2010, 46(15): 23-30.

[9]	BarCohen Y, Bao X, Dolgin B, et al. Residue detection for realtime removal of paint from metallic surfaces[C]//Proceedings of SPIE’s 8th Annual International Symposium on Smart Structures and Materials. Newport Beach: SPIE, 2001: 115120.

[10]	彭伟. 面向船舶除锈的高压水射流爬壁机器人设计及仿真研究[D]. 天津: 天津理工大学, 2024.

[11]	Peng Wei. Design and simulation study of a high-pressure water-jet wall-climbing robot for ship hull corrosion removal[D]. Tianjin: Tianjin University of Technology, 2024.

[12]	孙贵斌, 杨莹莹, 李坤淑, 等. 小型爬壁除锈机器人的工作状态受力及有限元分析[J]. 南方农机, 2025, 56(9): 111-114.

[13]	Sun Guibin, Yang Yingying, Li Kunshu, et al. Force analysis and finite element study of small wall-climbing corrosion removal robots[J]. Southern Agricultural Machinery, 2025, 56(9): 111-114.

[14]	李享, 李科, 张明路, 等. 风电塔筒用变曲率自适应爬壁机器人运动特性分析与磁吸附模块优化[J]. 工程设计学报, 2025, 32(2): 169-181.

[15]	Li Xiang, Li Ke, Zhang Minglu, et al. Motion characteristics analysis and magnetic adhesion module optimization of adaptive wall-climbing robot with variable curvature for wind turbine tower[J]. Journal of Engineering Design, 2025, 32(2): 169-181.

[16]	陈勇, 王昌明, 包建东. 新型爬壁机器人磁吸附单元优化设计[J]. 兵工学报, 2012, 33(12): 1539-1544

[17]	Chen Yong, Wang Changming, Bao Jiandong. Optimization design of magnetic adhesion unit for novel wall-climbing robot[J]. Ordnance Industry Science & Technology, 2012, 33(12): 1539-1544.

[18]	任福深, 刘金刚, 刘均, 等. 导管架爬壁机器人力学分析与磁吸附单元优化设计[J]. 机床与液压, 2024, 52(23): 58-63.

[19]	Ren Fushen, Liu Jingang, Liu Jun, et al. Mechanical analysis and optimization design of magnetic adhesion unit for jacket wall-climbing robot[J]. Machine Tool & Hydraulics, 2024, 52(23): 58-63.

[20]	陈鲤文, 曾妤彬, 王小信, 等. 基于强磁吸附的履带式爬壁机器人结构设计[J]. 机电工程技术, 2025, 54(20): 7-11, 28.

[21]	Chen Liwen, Zeng Yubin, Wang Xiaoxin, et al. Structural design of tracked wall-climbing robot based on strong magnetic adhesion[J]. Electromechanical Engineering Technology, 2025, 54(20): 7-11, 28.

[22]	梁金丹, 李昊鸣, 陈真, 等. 钢制表面除锈爬壁机器人系统设计[J]. 机械工程师, 2024(3): 34-37.

[23]	Liang Jindan, Li Haoming, Chen Zhen, et al. System design of wall-climbing robot for steel surface corrosion removal[J]. Mechanical Engineer, 2024(3): 34-37.

[24]	常睿, 樊建春, 张来斌. 爬壁机器人磁轮特性研究及其运动仿真[J]. 石油机械, 2020, 48(1): 124-131.

[25]	Chang Rui, Fan Jianchun, Zhang Laibin. Study on magnetic wheel characteristics and motion simulation of wall-climbing robots[J]. Petroleum Machinery, 2020, 48(1): 124-131.

[26]	颜文俊. 爬壁机器人运动控制及定位方法研究[D]. 常州: 常州大学, 2023.

[27]	Yan Wenjun. Research on motion control and positioning method of wall-climbing robot[D]. Changzhou: Changzhou University, 2023.

[28]	孙玲, 弓永军, 王祖温, 等. 船舶除锈机器人转向运动学分析[J]. 机械设计与制造, 2014(7): 189-191, 195.

[29]	Sun Ling, Gong Yongjun, Wang Zuwen, et al. Steering kinematics analysis of ship hull corrosion removal robot[J]. Mechanical Design & Manufacturing, 2014(7): 189-191, 195.

[30]	曹爽爽. 一种磁吸附爬壁机器人的设计与分析[D]. 秦皇岛: 燕山大学, 2024.

[31]	Cao Shuangshuang. Design and analysis of a magnetic adhesion wall-climbing robot[D]. Qinhuangdao: Yanshan University, 2024.

[32]	赵飞. 重载履带式爬壁机器人力学建模与仿真[J]. 机械设计, 2025, 42(2): 148-154.

[33]	Zhao Fei. Mechanical modeling and simulation of heavy-duty tracked wall-climbing robot[J]. Mechanical Design, 2025, 42(2): 148-154.

[34]	王兴如, 衣正尧, 弓永军, 等. 一种变负载爬壁机器人驱动特性研究[J]. 中国机械工程, 2009, 20(16): 1896-1898, 1908.

[35]	Wang Xingru, Yi Zhengyao, Gong Yongjun, et al. Research on driving characteristics of wall-climbing robot under variable load[J]. China Mechanical Engineering, 2009, 20(16): 1896-1898, 1908.

[36]	徐福宇. 磁吸式爬壁除锈机器人系统设计[J]. 设备管理与维修, 2024(12): 40-43.

[37]	Xu Fuyu. System design of magnetic adhesion wall-climbing rust removal robot[J]. Plant Maintenance Engineering, 2024(12): 40-43.

[38]	李明倩, 王苗, 刘芳. 基于智能PID算法的爬壁机器人位置伺服控制方法[J]. 机械与电子, 2023, 41(5): 46-50.

[39]	Li Mingqian, Wang Miao, Liu Fang. Position servo control method of wall-climbing robot based on intelligent PID algorithm[J]. Machinery & Electronics, 2023, 41(5): 46-50.

[40]	苏娜, 张华胜, 俞竹青. 基于自适应模糊PID的爬壁机器人运动路径控制研究[J]. 自动化仪表, 2020, 41(9): 59-63.

[41]	Su Na, Zhang Huasheng, Yu Zhuqing. Motion path control study of wall-climbing robot based on adaptive fuzzy PID[J]. Automation Instrumentation, 2020, 41(9): 59-63.

[42]	孙立新, 孙志龙, 陈帮, 等. 除锈爬壁机器人位姿分析与纠偏技术[J]. 机械设计与制造, 2021(6): 193-196.

[43]	Sun Lixin, Sun Zhilong, Chen Bang, et al. Pose analysis and error correction technology of wall-climbing rust removal robot[J]. Machinery Design & Manufacture, 2021(6): 193-196.

[44]	王建业, 续鸿, 赵进, 等. 搭载机械臂磁吸附爬壁机器人动力学特性分析[J]. 中国高新科技, 2023(8): 88-91.

[45]	Wang Jianye, Xu Hong, Zhao Jin, et al. Dynamic characteristic analysis of arm-equipped magnetic adhesion wall-climbing robot[J]. China High-Tech Science, 2023(8): 88-91.

[46]	王翔宇, 余江, 周雨婷, 等. 基于高压磨料水射流船舶除锈机器人的设计研究[J]. 南方农机, 2022, 53(16): 16-19.

[47]	Wang Xiangyu, Yu Jiang, Zhou Yuting, et al. Design study of ship hull corrosion removal robot based on high-pressure abrasive water jet[J]. Southern Agricultural Machinery, 2022, 53(16): 16-19.

[48]	陈远刚, 刘鹤, 陈海江. 一种船舶除锈清洗超高压水机设计及优化[J]. 广东造船, 2022, 41(4): 60-62, 59.

[49]	Chen Yuangang, Liu He, Chen Haijiang. Design and optimization of ultra-high-pressure water machine for ship hull corrosion removal[J]. Guangdong Shipbuilding, 2022, 41(4): 60-62, 59.

[50]	张英文. 修船作业中超高压水除锈技术的应用[J]. 中国水运, 2022(7): 100-103.

[51]	Zhang Yingwen. Application of ultra-high-pressure water corrosion removal technology in ship repair operations[J]. China Water Transport, 2022(7): 100-103.

[52]	李占鹏, 赵立玉, 梅中华. 船舶高压水射流除锈过程有限元仿真分析[J]. 广东造船, 2020, 39(1): 64-67.

[53]	Li Zhanpeng, Zhao Liyu, Mei Zhonghua. Finite element simulation analysis of high-pressure water jet corrosion removal process for ship hull[J]. Guangdong Shipbuilding, 2020, 39(1): 64-67.

PDF (15443KB)

访问

被引

详细

导航

Received	Published	Revised
2025-09-15	2026-05-18	2026-05-06
Online Date
2026-08-06

摘要