Bio-inspirisano detektovanje vetra pomoću senzora naprezanja na fleksibilnim krilima moglo bi da revolucioniše strategiju robotske kontrole leta. Istraživači sa Instituta za nauku u Tokiju razvili su metod za detekciju smera vetra sa tačnošću od 99% koristeći sedam merača naprezanja na krilu koje se zamahne i model konvolucione neuronske mreže.
Ovaj proboj, inspirisan prirodnim receptorima naprezanja kod ptica i insekata, otvara nove mogućnosti za poboljšanje kontrole i prilagodljivosti vazdušnih robota sa mašućim krilima u različitim uslovima vetra.
Leteći insekti i ptice poseduju mehaničke receptore na svojim krilima koji prikupljaju senzorne podatke o naprezanju, verovatno pomažu u kontroli leta. Ovi receptori možda detektuju promene u vetru, kretanju tela i uslovima okoline, omogućavajući prilagođavanje tokom leta.
Inspirisani ovim prirodnim krilom sa receptorima naprezanja, istraživači istražuju kako bi senzor naprezanja krila mogao da izvuče informacije o okolnom protoku pomoću biomimetičkog robota koji maše.
U studiji objavljenoj u časopisu Napredni inteligentni sistemi 11. novembra 2024. godine, istraživači sa Instituta za nauku u Tokiju, predvođeni vanrednim profesorom Hiroto Tanaka, istražuju upotrebu senzora naprezanja na fleksibilnim krilima koja oponašaju kolibri za precizno otkrivanje pravca protoka tokom vezanog mahanja u aerotunel koji simulira let u lebdenju pod uslovima blagog vetra.
„Mali roboti iz vazduha ne mogu sebi priuštiti konvencionalne aparate za detekciju protoka zbog ozbiljnih ograničenja u težini i veličini. Stoga bi bilo korisno kada bi se jednostavno detektovanje naprezanja krila moglo koristiti za direktno prepoznavanje uslova protoka bez dodatnih namenskih uređaja“, kaže Tanaka.
Istraživači su pričvrstili sedam merača naprezanja, koji su široko korišćeni jeftini komercijalni elementi, na fleksibilnu strukturu krila koja imitira krila kolibrija. Ova krila su bila sastavljena od konusnih osovina koje podržavaju film krila slične strukturi prirodnih krila.
Krila su bila pričvršćena za mehanizam za zamahivanje koji je pokretao DC motor preko mehanizma škotskog jarma i redukcionih zupčanika, koji su generisali pokret zamahanja napred-nazad, brzinom od 12 ciklusa u sekundi.
Istraživači su primenili veoma slab vetar od 0,8 m/s na mehanizam u aerotunelu. Naprezanje krila je mereno tokom mahanja pod sedam različitih pravaca vetra (0°, 15°, 30°, 45°, 60°, 75° i 90°) i jednim uslovom bez vetra. Model konvolucione neuronske mreže (CNN) je korišćen za mašinsko učenje podataka o naprezanju da bi se klasifikovali ovi uslovi vetra.
Kao rezultat, postignuta je visoka tačnost klasifikacije od 99,5% korišćenjem podataka o naprezanju sa dužinom ciklusa mahanja. Čak i sa kraćom dužinom podataka od 0,2 ciklusa mahanja, tačnost klasifikacije je ostala visoka na 85,2%.
Koristeći samo jedan od merača naprezanja, tačnost klasifikacije je takođe bila visoka, u rasponu od 95,2% do 98,8% sa dužinom podataka ciklusa klapanja, dok je tačnost klasifikacije drastično pala na 65,6% ili manje sa kratkim podacima ciklusa od 0,2. Ovi rezultati sugerišu da detekcija naprezanja krila na više lokacija može omogućiti prepoznavanje pravca vetra sa visokom preciznošću u samo 0,2 ciklusa mahanja.
Uklanjanjem unutrašnjih osovina krila smanjila se preciznost klasifikacije. Stepen smanjenja je bio 4,4% sa podacima od 0,2 ciklusa i 0,5% sa podacima za 1 ciklus kada su korišćeni svi merači naprezanja, respektivno. Pored toga, kada se koristi samo jedan merač naprezanja, smanjenje je u proseku iznosilo 7,2% za podatke od 1 ciklusa i 6% za podatke od 0,2 ciklusa. Ovi rezultati sugerišu da biomimetičke strukture osovine krila poboljšavaju sposobnosti krila da detektuju vetar.
„Ova studija doprinosi rastućem razumevanju da ptice i insekti koji lebde mogu osetljivo da primete vetar kroz detekciju naprezanja svojih krila koja mašu, što bi bilo korisno za kontrolu leta“, zaključuje Tanaka.
