Stabiel als hommels: nieuw algoritme helpt micro-robots met klappende vleugels hun evenwicht te bewaren bij windstoten
Wetenschappers van MIPT en Skoltech hebben een algoritme ontwikkeld om de vlucht van miniatuurrobots met klappende vleugels te stabiliseren, waarbij de aerodynamica van hommelvluchten in een digitale omgeving wordt nagebootst. Het systeem zorgt ervoor dat het virtuele model stabiel blijft, zelfs bij sterke windstoten, wat toekomstige robot-bijen in staat zou kunnen stellen om puin te doorzoeken na rampen, planten in kassen te bestuiven en geheime verkenningen uit te voeren. Het onderzoek is gepubliceerd in het tijdschrift Communications in Nonlinear Science and Numerical Simulation.
Onderzoekers van het Moskouse Instituut voor Natuurkunde en Technologie (MIPT) en Skoltech hebben een algoritme ontwikkeld voor het stabiliseren van de vlucht van kleine robots met klappende vleugels, evenals een computationele omgeving voor het testen van verschillende regelalgorithmen in winderige omstandigheden. Hommels behoren tot de meest wendbare wezens in de natuur, dankzij vortex-aerodynamica waarbij elke vleugelslag stabiele vortexstructuren vormt die lift genereren. Flappend vliegen is echter inherent instabiel, en het overbrengen van deze aerodynamica naar een robot of zijn digitale model zorgt ervoor dat deze bij de minste windvlaag zijn evenwicht verliest. Het nieuwe stabilisatiesysteem regelt drie belangrijke vleugelparameters: vleugelslagamplitude, gemiddelde trajectpositie en rotatiehoek van de vleugel om zijn eigen as. Het algoritme gebruikt een niet-lineaire regelaar op basis van een discrete Lyapunov-functie om veranderingen in de vleugelkinematica te berekenen die de afwijking van de gewenste koers verminderen. Het algoritme werd getest in een digitale windtunnel met sterke verticale windstoten: een lineaire regelaar kon het insect alleen vasthouden als de windkracht niet meer bedroeg dan 50-60% van het lichaamsgewicht, terwijl het nieuwe hybride algoritme de vlucht stabiliseerde, zelfs wanneer de windstoten 1,5 keer het gewicht van het object bedroegen, met een stabilisatietijd van 3 tot 6 seconden. De computationele omgeving volgt een 'perceptie-berekening-actie'-architectuur en is compatibel met tools voor reinforcement learning, waardoor een eerlijke vergelijking mogelijk is van klassieke regelaars, neurale netwerkalgoritmen en hybride schema's. Het team is van plan om het model verder te compliceren en de hybride regelaar met neurale netwerken te testen voor volledig autonome navigatie van micro-robots met klappende vleugels.
Bron: CNews —
origineel
