Vakaat kuin kimalaiset: uusi algoritmi auttaa siipiräpylöillä liikkuvia mikrorobotteja säilyttämään tasapainonsa tuulenpuuskissa
MIPT:n ja Skoltechin tutkijat ovat kehittäneet algoritmin, joka vakauttaa siipiräpylöillä liikkuvien miniatyyrirobottien lentoa, ja joka toistaa kimalaisen lennon aerodynamiikkaa digitaalisessa ympäristössä. Järjestelmä antaa virtuaalimallin pysyä vakaana jopa voimakkaissa tuulenpuuskissa, mikä voisi mahdollistaa tulevaisuuden robottikimalaisten etsiä raunioista katastrofien jälkeen, pölyttää kasveja kasvihuoneissa ja suorittaa peitettyä tiedustelua. Tutkimus julkaistiin lehdessä Communications in Nonlinear Science and Numerical Simulation.
Moskovan fysiikan ja teknologian instituutin (MIPT) ja Skoltechin tutkijat ovat luoneet algoritmin siipiään räpyttävien minirobottien lennon vakauttamiseen sekä laskentaympäristön, jossa voidaan testata erilaisia säätöalgoritmeja puuskaisessa tuulessa. Kimalaiset ovat luonnon ketterimpiä olentoja, ja tämä johtuu pyörre aerodynamiikasta, jossa jokainen siivenisku muodostaa vakaita pyörrerakenteita, jotka tuottavat nostetta. Räpyttävä lento on kuitenkin luonnostaan epävakaa, ja tämän aerodynamiikan siirtäminen robottiin tai sen digitaaliseen malliin saa sen menettämään tasapainonsa pienimmässäkin tuulenpuuskassa. Uusi vakautusjärjestelmä ohjaa kolmea keskeistä siiven parametria: siiveniskun amplitudia, keskimääräistä asentoa ja siiven kiertokulmaa oman akselinsa ympäri. Algoritmi käyttää epälineaarista säätimen, joka perustuu diskreettiin Ljapunovin funktioon, laskeakseen siipikinematiikan muutokset, jotka vähentävät poikkeamaa halutulta reitiltä. Algoritmi testattiin digitaalisessa tuulitunnelissa voimakkailla pystysuuntaisilla puuskilla: lineaarinen säädin pystyi pitämään hyönteisen hallinnassa vain, jos tuulen voima ei ylittänyt 50–60 prosenttia kehon painosta, kun taas uusi hybridialgoritmi vakautti lennon jopa silloin, kun puuskat olivat 1,5 kertaa kohteen painon suuruisia, ja vakautumisaika oli 3–6 sekuntia. Laskentaympäristö noudattaa 'havainto-laskenta-toiminta' -arkkitehtuuria ja on yhteensopiva vahvistusoppimistyökalujen kanssa, mikä mahdollistaa klassisten säätimien, neuroverkkoalgoritmien ja hybridijärjestelmien oikeudenmukaisen vertailun. Tutkijaryhmä aikoo monimutkaistaa mallia edelleen ja testata hybridisäädintä neuroverkkojen kanssa täysin autonomista navigointia varten siipiään räpyttäville mikroroboteille.
Lähde: CNews —
Alkuperäinen