本文属于类型b，是一篇综述性科学论文。

本文的主要作者为Palmani Duraisamy、Rakesh Kumar Sidharthan以及通讯作者Manigandan Nagarajan Santhanakrishnan，他们均来自印度SASTRA deemed university（SASTRA大学）的机器人与电子仪器工程系机器人实验室。该综述发表于 *Journal of Bionic Engineering*（仿生工程学报）2019年第16卷第6期，页码为967至993。文章题为《Design, Modeling, and Control of Biomimetic Fish Robot: A Review》，即《仿生机器鱼的设计、建模与控制：综述》，围绕仿生机器鱼的游动风格、致动器、流体动力学、运动学与动力学建模以及控制器设计进行了系统性回顾，并指出了当前研究中的空白与未来方向。

本文的第一个主要论点是：仿生机器鱼的游动方式主要分为身体/尾鳍推进（Body and/or Caudal Fin，BCF）与中鳍/对鳍推进（Median and/or Paired Fin，MPF）两大类，且BCF中的鲹科模式（carangiform）在现有研究中被最广泛采用。作者指出，自然界约85%的鱼类通过BCF方式产生推力，其余15%依靠MPF方式。BCF方式又进一步分为波动模式（undulation mode）与摆动模式（oscillation mode），其中鳗鲡模式（anguilliform）使用全身波动，亚鲹科模式（sub-carangiform）与鲹科模式将波动限制在身体后二分之一或三分之一，金枪鱼模式（thunniform）将波动限制在身体后30%以内，而箱鲀模式（ostraciiform）则完全依靠摆动。文章列举了大量研究案例以支撑这一分类体系及其工程实现的有效性。例如，iSplash-II机器鱼采用鲹科模式，在4个关节的驱动下最大游速达到3.7 m·s⁻¹；此外，采用鳗鲡模式的机器鱼虽然具有较高的机动性并能实现后退游动，但由于全身参与波动导致能量损失较大，其流体动力学效率相对较低。文章通过引用多种仿生机器鱼的实验数据说明，不同的游动模式在速度、机动性、能量效率与结构复杂度之间存在权衡，而鲹科模式在高速游动应用中具有明显优势。

第二个主要论点是：致动器的选择对仿生机器鱼的性能具有至关重要的影响，当前致动器主要分为电气致动器、智能致动器与软体致动器三类。电气致动器如直流电机与伺服电机因其设计简单、响应速度快与易获取性而广泛使用，但其传动部件会占用较大空间并导致较大的流体阻力。智能致动器中，形状记忆合金（Shape Memory Alloy，SMA）、离子聚合物金属复合材料（Ionic Polymer-Metal Composite，IPMC）与压电纤维复合材料（Piezoelectric Fiber Composite，PFC）是三种主要类型。SMA通过加热产生收缩从而引起柔性结构弯曲，但早期研究显示其工作频率较低（通常小于1 Hz），尽管最新进展表明其频率可提升至35 Hz，但温度控制仍是水下环境中的难点。IPMC在低电压（小于5 V）下即可产生弯曲变形，适用于BCF与MPF两种推进方式，但其偏转角与输出力较小，导致游速通常较低。PFC如宏纤维复合材料（Macro Fiber Composite，MFC）需要高驱动电压（可达1500 V），但其频率范围宽，可同时支持波动与摆动。文章特别指出，基于PFC的机器鱼在15 Hz摆动频率下实现了0.6 m·s⁻¹的游速，这是智能致动器中最高的速度记录之一。软体致动器则利用压缩空气或加压流体使柔性结构弯曲，虽然可实现连续运动，但需要额外的储能单元且会改变浮力。作者通过引用23种采用电气致动器与20种采用智能或软体致动器的机器鱼数据，论证了致动器类型与游速、频率、体长之间的关联，强调智能与软体致动器在紧凑设计与肌肉仿生方面具有潜力，但在高速运动应用中仍面临显著限制。

第三个主要论点是：流体动力学建模是仿生机器鱼设计与控制的核心环节，目前主要分为数值方法与解析方法，二者各有优劣。数值方法以Navier-Stokes方程为代表，虽然精确但计算量巨大；Newton-Euler法计算简单但难以处理闭链动力学；Kane方法对闭环系统计算效率较高；Lagrange法基于能量建模但计算复杂；Morison方程与切片法（strip method）直观简单但适用范围有限。解析方法中，Lighthill理论被认为是最接近实际且广泛应用的模型，其细长体理论（Elongated Body Theory，EBT）考虑了附加质量效应，而大振幅细长体理论（Large Amplitude Elongated Body Theory，LAEBT）则适用于尾部大变形情况。文章指出，EBT适用于高速鲹科推进，而LAEBT结合Euler-Bernoulli梁理论可以模拟柔性尾部的变形。此外，动力学建模还包括水动力参数辨识，传统方法如标准数据查表与计算流体力学（Computational Fluid Dynamics，CFD）均为离线方法；数据驱动建模虽然能够更好地保留非线性，但目前主要用于离线估计，在线参数辨识仍是开放问题。作者提出，未来需要发展在线数据驱动建模方法，以减少线性化处理带来的误差，并提升控制器在实际水下环境中的适应性。

第四个主要论点是：仿生机器鱼的控制策略与控制器设计是实现高机动性与稳定性的关键，当前研究集中于方向控制、深度控制、速度控制、稳定控制与轨迹控制五种模式。方向控制通过调节尾鳍摆动的幅值、频率与相位来实现，不对称幅值产生转向，而胸鳍与头部摆动也起辅助作用。深度控制主要采用压载水箱、滑动质量块或调节胸鳍攻角等方式。稳定控制通过调整俯仰角、偏航角与横滚角来维持姿态，二自由度重心调节机构已被用于同时稳定俯仰与横滚。速度控制依赖于波动幅值、波动段长度、游动模式与频率，其中频率调节是最易实现的控制手段。文章指出，在控制器方面，比例-积分-微分（PID）控制器仍是经典选择，但在非线性环境下常面临线性化问题。滑模控制（Sliding Mode Control，SMC）能够处理水流等非结构化扰动，模型预测控制（Model Predictive Control，MPC）与分数阶PID控制器在关节机器人中已有成功应用，但在机器鱼中尚未充分研究。智能控制方面，模糊控制能有效处理不确定性与非线性，神经网络可用于轨迹跟踪，迭代学习控制（Iterative Learning Control，ILC）则在重复任务中具有优势。此外，作者指出中央模式发生器（Central Pattern Generator，CPG）在多关节机器鱼中能够生成协调的运动模式，但在高速状态下可能因驱动器过载或负载波动而产生故障，因此需要发展容错控制机制来保证自主导航的可靠性。

本文的最后一个主要论点是：通过对现有仿生机器鱼性能参数的综合比较，作者揭示了当前机器鱼与真实鱼类在速度与机动性上的显著差距，并据此提出了若干研究空白。例如，真实箭鱼最大游速可达27 m·s⁻¹，而机器鱼目前最高游速仅为3.7 m·s⁻¹；真实射水鱼的转弯速度可达4500°/s，而多关节机器鱼最高仅为670°/s。文章通过对比BCF-摆动、BCF-波动、MPF-摆动与MPF-波动四种模式的频率-速度关系发现，BCF-摆动模式在高频条件下更易获得较高游速，而MPF模式更适合制动、转弯与悬停等特殊动作。此外，单致动器与多致动器系统在相同关节数量下并不必然决定游速，而关键频率、能量传递效率与身体稳定性才是提高游速的主导因素。作者据此指出，未来应加强对结构优化算法（如遗传算法、粒子群优化）在机器鱼设计中的应用研究，探索非线性的自适应控制器与在线估计方法，并发展更精确且能保持系统非线性的数据驱动模型。

本文的意义与价值在于，它不仅系统地总结了仿生机器鱼在设计、建模与控制领域的主要研究进展，还通过多维度性能比较揭示了电气致动器与智能致动器、机器鱼与真实鱼类之间的性能鸿沟，明确了当前技术的关键瓶颈。文章提出的在线建模、容错控制、智能控制与结构优化等研究方向，为后续研究提供了清晰的路线图。其价值同时体现在工程应用与基础科学两个层面：在工程上，水下探测、油气管道泄漏检测、海洋生态行为研究等任务需要高机动、高效率与高稳定性的仿生水下航行器；在科学层面，对鱼类运动与仿生执行机制的深入研究有助于推动新型智能材料、非线性控制方法与数据驱动建模技术的融合，因此本文在仿生机器人领域具有较高的参考价值与引导作用。