相对于传统水下航行器，机器鱼由于其出色的机动性能近年来受到越来越多的关注。然而，机器鱼紧凑的内部空间、能耗限制、以及水下复杂的工作环境使机器鱼的速度测量遭遇了很大的困难，限制了机器鱼的自主性。为此，本文采用仿生学的方法，模拟鱼类侧线的感知原理，研制了一种用于测量机器鱼游速的仿生侧线（Artificial Lateral Line，ALL）传感器，并提出与之配套的噪声抑制、阵列单元位置优化和同构/异构信息融合方法，最终实现机器鱼速度大小和方向的实时精确测量。本文的主要研究成果包括：

  一、针对机器鱼的速度测量问题，提出了可用于感知机器鱼表面流场的ALL传感器，通过测量敏感元件在水流冲击下的形变来计算机器鱼实时速度，同时抑制了由机器鱼运动导致的测量噪声。具体来说，首先是模仿鱼类侧线的感知原理提出了一种带有折线形敏感元件的ALL传感器，并使用边界层理论推导局部流速与敏感元件应变的关系。之后，对搭载在机器鱼上的ALL传感器进行了噪声分析，主要是由机器鱼运动导致的艏摇噪声和湍流噪声。为了提高传感器的信噪比，设计了三种流动控制组件：整流罩、调整器和集流器，从而在粘性作用下抑制湍流噪声和艏摇噪声。最后，使用一种内嵌物理信息的多层感知器模型，确定了ALL传感器的输入输出关系。

  二、为了提高测速精度，提出阵列单元的空间位置优化方法和同构融合方法，以组合多个ALL传感器构成阵列。首先是使用了一种最大化流场区分能力的特征选择算法进行阵元空间位置优化，得到了ALL单体在机器鱼上的最佳安装位置。之后，采用一种基于时频域特征提取和神经网络的ALL阵列同构融合算法，通过融合测量来得到机器鱼更精确的速度值。

  三、为了测量机器鱼的速度矢量，提出了一种基于运动学模型的仿生侧线阵列-惯性测量单元（ALLA-IMU）异构融合测量方法。该融合方法主要分为两个阶段：阵列标定与速度矢量解算。在阵列标定阶段，采用了一种“拖动-自由游动”标定方法，对ALL敏感元件和流动控制组件的串联模型进行标定，从而在标定阶段就充分利用了机器鱼的运动学信息来提高测量精度；在解算阶段，通过求解关于局部流速的超定运动方程得到机器鱼速度矢量。

  本文在可自由游动的机器鱼平台上对上述ALL传感器单体和阵列进行了实验，并与全局视觉系统的测量结果进行了比较，证明了ALL测速方法的有效性。

  本文为机器鱼游速测量问题提供了一种小型化、高精度的解决方案，有助于实现速度闭环控制和水下定位导航功能，进而提高机器鱼的自主性。