Stabil wie Hummeln: Neuer Algorithmus hilft Miniaturrobotern mit Flügelschlag, bei Windböen die Balance zu halten
Wissenschaftler des MIPT und von Skoltech haben einen Algorithmus entwickelt, um den Flug von Miniaturrobotern mit Flügelschlag zu stabilisieren, indem sie die Aerodynamik des Hummelflugs in einer digitalen Umgebung nachbilden. Das System ermöglicht es dem virtuellen Modell, auch bei starken Windböen stabil zu bleiben, was künftigen Roboterbienen ermöglichen könnte, nach Katastrophen in Trümmern zu suchen, Pflanzen in Gewächshäusern zu bestäuben und verdeckte Aufklärung zu betreiben. Die Forschung wurde in der Zeitschrift Communications in Nonlinear Science and Numerical Simulation veröffentlicht.
Forscher des Moskauer Instituts für Physik und Technologie (MIPT) und von Skoltech haben einen Algorithmus zur Stabilisierung des Flugs von Miniaturrobotern mit schlagenden Flügeln sowie eine Rechenumgebung zum Testen verschiedener Regelalgorithmen bei böigem Wind entwickelt. Hummeln gehören zu den wendigsten Lebewesen der Natur, dank der Wirbelaerodynamik, bei der jeder Flügelschlag stabile Wirbelstrukturen bildet, die Auftrieb erzeugen. Allerdings ist der Schlagflug von Natur aus instabil, und die Übertragung dieser Aerodynamik auf einen Roboter oder sein digitales Modell führt dazu, dass er bei der geringsten Windböe das Gleichgewicht verliert. Das neue Stabilisierungssystem steuert drei wesentliche Flügelparameter: die Schlagamplitude, die mittlere Trajektorienposition und den Drehwinkel des Flügels um seine eigene Achse. Der Algorithmus verwendet einen nichtlinearen Regler, der auf einer diskreten Ljapunow-Funktion basiert, um Änderungen der Flügelkinematik zu berechnen, die die Abweichung vom gewünschten Kurs reduzieren. Der Algorithmus wurde in einem digitalen Windkanal mit starken vertikalen Böen getestet: Ein linearer Regler konnte das Insekt nur dann halten, wenn die Windkraft 50-60% des Körpergewichts nicht überschritt, während der neue hybride Algorithmus den Flug selbst bei Böen, die das Eineinhalbfache des Objektgewichts betrugen, stabilisierte, mit einer Stabilisierungszeit von 3 bis 6 Sekunden. Die Rechenumgebung folgt einer Architektur des Typs "Wahrnehmung-Berechnung-Aktion" und ist mit Werkzeugen des bestärkenden Lernens kompatibel, was einen fairen Vergleich klassischer Regler, neuronaler Netzwerk-Algorithmen und hybrider Schemata ermöglicht. Das Team plant, das Modell weiter zu verkomplizieren und den hybriden Regler mit neuronalen Netzen für die vollständig autonome Navigation von Mikrorobotern mit schlagenden Flügeln zu testen.
Quelle: CNews —
Original
