تشخیص باد با دقت ۹۹٪ با استفاده از بال‌های بیومیمتیک الهام‌گرفته از مرغ مگس‌خوار

یک مطالعه نوآورانه از مؤسسه علمی توکیو ممکن است آینده کنترل پرواز رباتیک را با استفاده از تکنیک‌های تشخیص باد الهام‌گرفته از بیومیمتیک تغییر دهد.

محققان روشی را توسعه داده‌اند که با دقت ۹۹٪ جهت باد را با استفاده از بال‌های انعطاف‌پذیر مجهز به حسگرهای فشار تشخیص می‌دهد.

این رویکرد نوآورانه سازوکارهای طبیعی در پرندگان و حشرات را تقلید می‌کند و راه‌های جدیدی برای بهبود عملکرد ربات‌های هوایی با بال‌زن در شرایط مختلف باد ارائه می‌دهد.

بال‌های الهام‌گرفته از مرغ مگس‌خوار

پرندگان و حشرات دارای گیرنده‌های مکانیکی خاصی بر روی بال‌های خود هستند که داده‌های حسی فشار را جمع‌آوری می‌کنند.

این تطابق طبیعی به آنها کمک می‌کند تا به تغییرات باد، حرکت بدن و عوامل محیطی پاسخ دهند و پرواز خود را تنظیم کنند.

با الهام از این مکانیزم‌های زیستی، محققان در حال بررسی چگونگی ارائه اطلاعات ارزشمند در مورد جریان هوای اطراف توسط حسگرهای فشار در بال‌های رباتیک هستند.

استاد راهنما هیروتو تاناکا و تیم او پتانسیل حسگرهای فشار متصل به بال‌های انعطاف‌پذیری را بررسی کردند که به تقلید از بال‌های مرغ مگس‌خوار طراحی شده‌اند.

آزمایش‌ها در یک تونل باد انجام شد که شرایط پرواز در حالت معلق را شبیه‌سازی کرد و محققان بر تشخیص دقیق جهت باد در هنگام بال زدن متمرکز شدند.

تاناکا توضیح داد که "ربات‌های هوایی کوچک اغلب با فن‌آوری‌های سنتی تشخیص جریان به دلیل محدودیت‌های شدید وزن و اندازه مشکل دارند".

بنابراین، استفاده از حسگرهای فشار بال ساده به‌صورت مستقیم برای تشخیص شرایط جریان بدون افزودن تجهیزات خاص می‌تواند بسیار مفید باشد."

تیم تاناکا هفت حسگر فشار تجاری موجود را به ساختار بال انعطاف‌پذیری متصل کردند که بال‌های مرغ مگس‌خوار را شبیه‌سازی می‌کرد.

این بال‌ها از محورها و کاغذ بال تشکیل شده و با مکانیزم بال‌زنی با موتور DC ترکیب شده‌اند که با سرعت ۱۲ چرخه بر ثانیه حرکتی ریتمیک ایجاد می‌کند.

محققان این سیستم را در تونل باد با نسیم ملایم ۰.۸ متر بر ثانیه آزمایش کردند و در حالی که جهت باد را از طریق هفت زاویه (۰°, ۱۵°, ۳۰°, ۴۵°, ۶۰°, ۷۵°, و ۹۰°) تغییر می‌دادند، فشار بال را اندازه‌گیری کردند.

در یک کاربرد نوآورانه از یادگیری ماشین، داده‌های دریافت شده فشار با استفاده از یک مدل شبکه عصبی کانولوشن (CNN) برای طبقه‌بندی شرایط مختلف باد براساس اندازه‌گیری‌های فشار بال تحلیل شدند.

99% دقیق

نتایج قابل توجه بود: سیستم با داده‌های کامل چرخه زدن به دقت ۹۹.۵٪ دست یافت.

حتی در زمان تحلیل تنها ۰.۲ چرخه، دقت همچنان قوی و به ۸۵.۲٪ رسید.

هنگام آزمایش تنها با یک حسگر فشار، دقت بین ۹۵.۲٪ و ۹۸.۸٪ با داده‌های کامل چرخه بود، در حالی که وقتی از قطعات داده کوتاه‌تر استفاده می‌شد به ۶۵.۶٪ یا کمتر کاهش یافت.

جالب توجه این بود که وقتی محققان محورهای داخلی بال را حذف کردند، دقت در تشخیص جهت باد برای مجموعه‌های داده کوتاه ۴.۴٪ و برای چرخه‌های کامل با تمامی حسگرهای فشار ۰.۵٪ کاهش یافت.

این کاهش در استفاده از تنها یک حسگر فشار بیشتر بود، که نشان دهنده این است که طراحی ساختار بال بر توانایی تشخیص باد تاثیر مثبت دارد.

تاناکا نتیجه‌گیری کرد که این تحقیق درک ما از این که چگونه پرندگان و حشرات معلق می‌توانند پرواز خود را از طریق حسگر فشار در بال‌های بال‌زن خود دقیق تنظیم کنند که برای کنترل پرواز پاسخگو بسیار مهم است، بهبود می‌بخشد.

یافته‌ها نشان می‌دهد که سیستم‌های مشابه می‌توانند در ربات‌های هوایی با بال‌زن بیومیمتیک ادغام شوند، که با استفاده از حسگرهای فشار ساده می‌توانند سازگاری و کارآیی خود را در شرایط پرواز واقعی بهبود بخشند.

هم‌زمان که فناوری رباتیک توسعه می‌یابد، این رویکرد پایدار و کارآمد در تشخیص باد یک پیشرفت چشمگیر به جلو است، و درب را به سمت رباتیک‌های هوایی پیچیده‌تر که با اصول طبیعی هدایت می‌شوند باز می‌کند.