受蜂鸟启发的机翼可检测风向，准确率达 99%
作者：by Institute of Science Tokyo
使用柔性机翼上的应变传感器进行仿生风感测可以彻底改变机器人飞行控制策略。东京科学研究所的研究人员开发了一种利用扑翼机翼上的七个应变计和卷积神经网络模型来检测风向的方法，准确率高达 99%。
这一突破受到鸟类和昆虫自然应变受体的启发，为提高扑翼的控制和适应性开辟了新的可能性空中机器人在不同的风力条件下。
飞行的昆虫和鸟类的翅膀上有机械感受器，可以收集压力感官数据，大概是帮助他们的飞行控制。这些受体可能检测到风的变化，身体运动和环境条件，允许在飞行过程中进行响应调整。
受到这种带有应变受体的自然机翼的启发，研究人员正在探索如何使用仿生扑翼机器人通过机翼应变传感来提取周围的流动信息。
在发表于的一项研究中先进的智能系统2024 年 11 月 11 日，东京科学研究所的研究人员在 Hiroto Tanaka 副教授的带领下，研究了在仿蜂鸟柔性机翼上使用应变传感器，以准确检测在系绳扑动时的流动方向。风洞模拟微风条件下的悬停飞行。
“由于重量和尺寸的严格限制，小型空中机器人无法负担传统的流量传感设备。因此，如果可以利用简单的机翼应变传感来直接识别流量状况而不需要额外的专用设备，那将是有益的，”田中说。
研究人员将七个应变计（广泛使用的低成本商业元件）连接到模仿蜂鸟翅膀的灵活机翼结构上。这些翅膀由支撑翼膜的锥形轴组成，类似于天然翅膀的结构。
机翼连接到由直流电机通过苏格兰轭机构和减速齿轮驱动的扑动机构，产生每秒 12 个周期的来回扑动运动。
研究人员在风洞中向该机构施加了 0.8 m/s 的微弱风。在七种不同风向（0°、15°、30°、45°、60°、75°和90°）和一种无风条件下扑动时测量机翼应变。卷积神经网络 (CNN) 模型用于应变数据的机器学习，以对这些风况进行分类。
结果，高分类准确性使用具有扑动周期长度的应变数据实现了 99.5%。即使数据长度较短，为 0.2 个扑动周期，分类准确率仍然高达 85.2%。
仅使用一个应变片，分类精度也很高，在一个扑动周期的数据长度下，分类精度为 95.2% 至 98.8%，而在 0.2 个周期的短数据下，分类精度急剧下降至 65.6% 或更低。这些结果表明，在多个位置进行机翼应变传感可以使风向仅需 0.2 个扑动周期即可实现高精度识别。
通过移除内翼轴，分类精度降低。当使用所有应变计时，0.2 个周期数据的下降程度为 4.4%，1 个周期数据的下降程度为 0.5%。此外，当仅使用一个应变仪时，1 个周期数据的平均下降量为 7.2%，0.2 个周期数据的平均下降量为 6%。这些结果表明仿生机翼轴结构增强了机翼的风传感能力。
“这项研究有助于人们越来越多地认识到，盘旋的鸟类和昆虫可以通过扑动翅膀的应变感应来敏感地感知风，这将有利于响应式飞行控制。类似的系统可以在仿生扑动中实现。翼使用简单应变计的空中机器人，”田中总结道。更多信息：
Kenta Kubota 等人，机器学习 — 基于仿生扑动机器人机翼变形的风分类：仿生柔性结构改善风感应，先进的智能系统（2024）。DOI：10.1002/aisy.202400473引文:
受蜂鸟启发的翅膀可检测风向，准确率达 99%（2024 年，12 月 27 日）检索日期：2024 年 12 月 28 日来自 https://techxplore.com/news/2024-12-hummingbird-biomimetic-flexible-wing.html
本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。
关于《受蜂鸟启发的机翼可检测风向，准确率达 99%》的评论
暂无评论