数据驱动的Sparse传感器在机翼上的位置优化,以实现飞行感应:生物灵感的方法和应用
Alex C Hollenbeck1, Atticus J Beachy1, Ramana V Grandhi1
1Air Force Institute of Technology, Dayton, OH 45433-7765, USA.
Biomimetics (Basel, Switzerland)
|October 25, 2024
概括
稀疏传感器位置优化预测 (SSPOP) 算法有效地确定飞机机翼上的空气流传感器的最佳位置. 这种仿生方法通过最大限度地提高数据准确性,最大限度地减少传感器数量来增强飞行控制.
科学领域:
- 航空航天工程 航空航天工程
- 生物模拟学是一种生物模拟学.
- 传感器技术 传感器技术
背景情况:
- 感觉飞行 (FBF) 使用翅膀传感器进行飞行控制,灵感来自生物系统.
- 人工FBF系统面临着尺寸,重量和功率 (SWaP) 的限制,特别是对于小型飞机.
- 优化传感器的位置至关重要,因为传统方法中的非线性空气流和局部最小值.
研究的目的:
- 开发和评估一种针对飞机机翼上的稀疏传感器放置的优化方法.
- 确定传感器的最佳数量和位置,以有效检测飞行状态.
- 在复杂的空气流场中解决传统优化技术的局限性.
主要方法:
- 使用了Sparse传感器位置优化预测 (SSPOP) 算法.
- SSPOP使用单值分解和线性差异分析来识别信息丰富的传感器位置.
- 该算法在3D三角翼模型上进行了评估,该模型具有变长的人工头发传感器.
主要成果:
- 来自SSPOP的传感器位置在攻击角度预测准确度方面排名在前1%.
- 在90%以上的模型中,SSPOP被证明比贪搜索和基于梯度的方法更强大,并且接近最佳.
- 这项研究是首次将SSPOP应用于3D模型,并将可变长度传感器纳入不同的速度灵敏度.
结论:
- SSPOP是一种高效的算法,用于优化复杂的3D空气流中的稀疏传感器放置.
- 这些发现为实验验证人造毛发细胞空气流传感器的放置铺平了道路.
- 这项研究代表了实现仿生飞行感觉控制系统的重大进展.
