99% Точность Определения Ветра с Биомиметическими Крыльями, Вдохновленными Колибри

Исследователи из Института Науки Токио представили новаторскую методику определения направления ветра с точностью 99%, используя гибкие крылья с датчиками деформации. Этот био-вдохновленный подход открывает новые возможности для улучшения управления полетом роботов с машущими крыльями в сложных погодных условиях.

Вдохновение от крыльев колибри

Птицы и насекомые обладают специализированными механическими рецепторами на крыльях, которые собирают сенсорные данные о напряжениях. Эта природная адаптация позволяет им мгновенно реагировать на изменения ветра и окружающей среды, что способствует точной коррекции полета.

Исследователи, вдохновленные этими биологическими механизмами, изучили, как подобные датчики могут быть полезны для роботизированных систем. В ходе экспериментов под руководством доцента Хирото Танаки команда протестировала гибкие крылья, имитирующие структуру крыльев колибри.

Эксперименты проводились в аэродинамической трубе, где моделировались условия зависающего полета. Основное внимание уделялось точному определению направления воздушных потоков при машущем движении крыльев.

Гибкие крылья с датчиками

Традиционные технологии измерения воздушного потока часто затруднены из-за ограничений по весу и размеру в малых летающих роботах. Однако использование простых датчиков деформации на крыльях позволяет обходиться без сложного дополнительного оборудования.

Исследователи закрепили семь стандартных датчиков деформации на гибкой конструкции, напоминающей крылья колибри. Эти крылья, изготовленные из сужающихся стержней и пленки, двигались с частотой 12 размахов в секунду благодаря приводу постоянного тока.

В ходе тестов в аэродинамической трубе крылья подвергались воздействию воздушного потока со скоростью 0,8 м/с. Направление ветра изменялось под углами 0°, 15°, 30°, 45°, 60°, 75° и 90°, а также проводились измерения в неподвижном состоянии.

Искусственный интеллект в анализе данных

Для обработки данных использовалась сверточная нейронная сеть (CNN), которая анализировала показания датчиков и классифицировала условия воздушного потока.

Результаты оказались впечатляющими:

• При анализе полного цикла взмахов система достигла точности 99,5%.
• Даже при анализе лишь 0,2 цикла точность составляла 85,2%.
• Использование одного датчика дало результат от 95,2% до 98,8% при полном цикле, но снижалось до 65,6% и ниже при коротких интервалах данных.
• При удалении внутренних стержней крыльев точность уменьшалась на 4,4% для коротких данных и на 0,5% для полного цикла.

Будущее роботизированных систем

Данное исследование проливает свет на механизмы полета птиц и насекомых, демонстрируя, как они используют сенсоры деформации для точного управления движением. Это открытие может привести к разработке более адаптивных и эффективных биомиметических роботов с машущими крыльями.

По мере развития робототехники такие методы обнаружения воздушных потоков могут стать важным шагом в создании автономных летательных аппаратов, использующих принципы природы для более устойчивого и эффективного полета.