王涵
(北京度量科技有限公司,北京 100101)
仿生撲翼飛行器是一種涵蓋仿生學、空氣動力學、控制和通信等多學科的技術,具有質量輕、靈活性好和隱蔽性好的特點,在軍事和民用領域都受到極大關注。隨著對鳥類、昆蟲等生物飛行機理研究的深入,以及微形傳感器、控制器和人工智能技術的發展,撲翼飛行器的研究不斷取得新成果。
空氣動力學和仿生學研究表明,對于尺寸接近鳥類和昆蟲的飛行器,以撲翼方式飛行具有更高的效率。由于撲翼飛行器系統復雜,從20世紀70年代才開始針對撲翼飛行器的系統性進行研究,經歷了早期的低頻大型撲翼到現在昆蟲尺寸的高頻撲翼的發展。目前比較有代表性的研究包括荷蘭代爾夫特大學開發的仿蜻蜓微型撲翼飛行器DelFly[1],美國Aero Vironment公司蜂鳥機器人Nano hummingbird[2],哈佛大學的仿昆蟲機器人[3],德國Festo公司的仿海鷗撲翼機器人Smart-Bird[4],加州理工大學的仿蝙蝠機器人等[5]。國內南京航空航天大學[6]、西北工業大學[7]、哈爾濱工業大學[8]、北京科技大學[9]等國內高校也都針對撲翼飛行器展開研究。
國內外的研究人員已經對撲翼飛行器進行了較多研究,并且設計開發了一些撲翼飛行器原型機。目前撲翼飛行器的技術重點包括飛行機理和動力學分析、撲翼飛行控制、能源和動力幾個方面。在撲翼飛行器的開發過程中,需要準確獲取實時位姿數據作為反饋輸入,在驗證階段也需要獲取撲翼的實時狀態來評估機器人性能,都需要一種高精度的方案來獲取撲翼的運動數據。光學動作捕捉系統是一種外置傳感設備,利用場地周圍布置的光學相機跟蹤撲翼飛行器上的反光標識點,來確定飛行器的位置、速度和姿態等運動數據。由于動作捕捉系統具有精度高、實時性好和標識點對目標影響小等特點,廣泛應用于國內外的撲翼飛行器項目中。
昆蟲和鳥類的結構與飛行機理可以為仿生撲翼飛行器設計帶來很大啟發。吉林大學以雕鸮與長耳鸮2種靜音鸮為研究對象,對比分析靜音鸮的飛行聲學特性、翅膀及羽毛的幾何形態學特征以及飛行運動學特征,并將靜音鸮的消音特征進行仿生應用研究[10],為仿生降噪技術提供生物模型。實驗中,在對象鳥類翅膀上的關鍵部位貼上反光標識點,包括腕關節、翅膀前緣根部及翅膀尾緣根部等部位。利用三維運動捕捉鏡頭定位標識點,對長耳鸮、雕鸮與雀鷹的撲翼運動學參數進行采集,并分析計算運動學參數(撲翼頻率和關節角度等)與飛行軌跡(翼尖軌跡)。
亞利桑那大學研究了蜻蜓捕獲獵物時的飛行模式[11]。實驗使用了直徑僅為750μm和1000μm的反光標識點,固定在蜻蜓的頭部和身體上,利用動作捕捉系統來記錄空間內蜻蜓飛行捕獵時身體運動狀態。
由于撲翼飛行機理十分復雜,可以通過風洞試驗等方式獲取撲翼飛行器低雷諾數下的氣動性能。代爾夫特理工大學為了使撲翼飛行器飛行性能更接近生物,針對其開發的DelFly II MAV撲翼機進行了風洞試驗[12]。為了跟蹤撲翼機在風洞中的飛行姿態,在機尾設計了4個紅外LED主動標識點,動捕系統以120 Hz采集飛行器的位置和姿態數據。
撲翼飛行器是非線性非定常的復雜系統,而且尺寸的小型化使傳感器性能大幅下降,因此系統需要更穩定的控制器,對于自主飛行,需要更好的規劃器。伊利諾伊大學香檳分校通過引入兩階段優化程序來規劃撲翼飛行軌跡,從而改進了現有的飛行規劃方法[13]。第一階段通過使用實驗飛行數據訓練的數據驅動的固定翼近似模型來解決軌跡優化問題。該解決方案被用作第二階段優化的初始假設,使用相同飛行數據訓練的撲翼模型。實驗中包含43組撲翼飛行器自由飛行試驗的數據集由光學動作捕捉系統完成采集,通過將慣性傳感器數據與動捕系統采集的位置數據融合進行姿態估計。
太原科技大學對撲翼飛行器的數學模型進行研究,并設計了一套以基于模型參考自適應算法的軌跡控制系統[14]。為了驗證飛行器性能搭建了飛行實驗平臺。由于室外飛行干擾量大,且風向不定,前期實驗選擇在室內場館無縫環境下進行。實驗中在場地邊布置了8個NOKOV動作捕捉鏡頭,如圖1所示,通過捕捉飛行器上反光標識點來獲取飛行器的剛體位姿信息,信息通過SDK上傳到計算機端Matlab進行處理,實現對飛行器姿態的分析和算法參數優化。
圖1 NOKOV動作捕捉鏡頭
華盛頓大學設計開發了一個昆蟲大小的撲翼機器人[15],僅重143 mg。機器人由4個向外張開的垂直翅膀驅動。與以前的雙翼設計相比,這種布置可以實現繞垂直軸(轉向)驅動的能力,并且提高負載能力,足夠承載傳感器包或電力系統等組件。研究人員進行了飛行中的轉向驅動以及懸停位置控制實驗。其中懸停控制實驗使用動作捕捉數據作為反饋。動捕系統以240 Hz采集數據并發送到Simulink Real-Time。
哈佛大學開發了一種受生物啟發的3.2 g小型飛行器[16],能夠同時進行主動(飛行)和被動(滑行)飛行。集成電子設備提供無線通信、傳感和基本的開環飛行控制,使飛行測試迭代快速,并提供額外的動力學數據。實驗中在飛行器上粘貼3個標識點,以100 Hz采集位置和姿態數據(遠高于飛行器的動態速度)。
蜂鳥可以保持穩定懸停,在受到危險時可以快速向后平移,并伴有180°的偏航轉向,然后在不到10次的翼拍內瞬間穩定姿勢。考慮40 Hz的翼拍頻率,這種攻擊性機動在0.2 s內完成。受蜂鳥在這種極端機動中接近最高性能的啟發,普渡大學開發了一種飛行控制策略[17],并通過實驗證明這種可操縱性可以通過一個12 g的蜂鳥機器人實現。機器人只配備2個驅動器,驅動一對高達40 Hz的拍動翅膀。該混合控制策略結合基于模型的非線性控制與無模型強化學習,在標稱飛行條件下使用基于模型的非線性控制,其中動態模型相對準確。在極端機動過程中,當建模誤差變得難以控制時,使用經過模擬訓練和優化的無模型強化學習策略來“破壞”系統,使其在機動過程中達到峰值性能。混合政策體現了一種接近蜂鳥的策略。使用光學動捕系統以200 Hz提供蜂鳥機器人的位置反饋,并以500 Hz在機載電腦進行數據融合。
大多數撲翼機器人需要人員操作或協助下才能起飛。東京都立大學開發了一個可以自主起飛的微型撲翼飛行器原型機[18]。飛行器采用簡單的撲翼機構和輕量化設計,可以使用簡單的拍動機構和輕量化設計,通過超過自身重量來產生推力。起飛實驗結果表明,撲翼機器人能夠在沒有輔助的情況下從地面自行起飛。為了對撲翼飛行器進行全局定位,使用了動作捕捉系統,將撲翼飛行器的頭部去掉,并用1個反光標識點代替,這樣不會改變機器人重心和慣性矩。
由于微型撲翼機器人機翼周圍低雷諾數的非定常流動,使其動力學隨時間變化且高度非線性,導致微型撲翼飛行器自主飛行難以實現。首爾大學提出了一種使用機器學習的基于模型的微型撲翼飛行器控制策略[19],構建了一個地面站,用于記錄飛行數據和控制輸入,并使用神經網絡訓練動力學模型。然后,將模型預測控制(MPC)應用于訓練好的模型。實驗中使用光學動作捕捉系統獲取飛行器的位置、姿態、速度和角速度數據,數據進行低通濾波去除撲翼動作造成的數據抖動。
如果沒有足夠的有效載荷能力來攜帶必要的電子元件,昆蟲尺寸的撲翼飛行器就無法自主飛行。香港城市大學設計了一個380 mg并有115 mg負載能力的微型撲翼機器人[20]。在進行有效載荷懸停實驗使,利用外部動作捕捉系統實時采集飛行器的位姿,數據作為控制系統的反饋輸入。電源和控制信號利用1根鋼絲繩傳輸至飛行器。
撲翼的機械復雜性通常會導致關于俯仰和橫滾軸的較大扭矩偏差變化,導致未正確配平的飛行器在自由飛行中快速旋轉。通過觀看高速視頻進行手動修剪既繁瑣又容易出錯。華盛頓大學提出一種使用來自運動捕捉相機的反饋來確定和校正偏置扭矩的修整設備[21],不需要用戶的任何視覺反饋,也不需要破壞損壞機器人的空中飛行。動作捕捉系統以240 Hz發送四元數數據,進行校正。研究人員在2個不同的小型撲翼機器人上驗證了該設備。在使用該設備進行調整后,機器人都以開環的方式垂直起飛,并且能夠在反饋控制下自由飛行,不會發生翻滾。
NASA開發了一種仿生撲翼機器人Marsbee[22],用于火星探索。火星車搭載多個Marsbee機器人,以火星車作為基站,每個Marsbee機器人帶有1個相機,利用無人機群生成地表的3D拓撲圖,用于火星車的軌跡規劃,解決了單一火星車視野的局限性。地面驗證實驗在一個真空倉中進行,場地周圍布置的動作捕捉系統用于捕捉機器人軌跡。
韓國科學技術院進行了多撲翼飛行器的自主編隊飛行研究[23]。設計了一種路徑跟隨控制器,使每個撲翼飛行器具有時間無關的圓形路徑、預設的半徑,并且具有恒定的前飛速度和高度。由于不同撲翼飛行器的飛行特性存在差異,方向控制的增益是針對每個飛行器單獨調整的,該增益利用柔性膜翼中張力的變化產生非線性滾動力矩。通過控制所需半徑而不是前向飛行速度來保持圓形路徑的旋轉速度恒定,從而使2個最近的撲翼飛行器之間的編隊角保持在90°。為了獲取每個飛行器的位置和姿態信息,應用了外部運動捕捉系統,通過捕捉撲翼飛行器上的3個標識點(尾翼2個,軀干前部1個),來對飛行器進行室內定位。
撲翼飛行是人類最熟悉也是最復雜的一種飛行方式,考慮其隱蔽性好、靈活和體積小等特點,未來在軍事和民用領域都會大放異彩。目前世界已經有很多性能優秀的撲翼飛行器原型機,但是仍有很多問題需要解決。動作捕捉系統在之前的研究中,用于運動分析、作為控制系統反饋信號,或者是驗證機器人性能,都起到了重要作用,未來也會持續為撲翼飛行器的研究助力。