Tokyo Bilim Enstitüsü’nden çığır açan bir çalışma, biyolojik olarak ilham alan rüzgar algılama tekniklerini kullanarak robotik uçuş kontrolünün geleceğini değiştirebilir. Araştırmacılar, gerginlik sensörleriyle donatılmış esnek kanatlar kullanarak rüzgar yönünü tespit etmede etkileyici bir %99 doğruluk elde eden bir yöntem geliştirdiler.
Biyomimetik kanatlar ile rüzgar tespiti
Bu yenilikçi yaklaşım, kuşlarda ve böceklerde bulunan doğal gerginlik reseptörlerini taklit ederek, çeşitli rüzgar koşullarında çırpınan kanatlı hava robotlarının performansını artırmak için yeni yollar sunuyor. Bu doğal adaptasyon, onların rüzgardaki, vücut hareketlerindeki ve çevresel faktörlerdeki değişikliklere yanıt vermelerine yardımcı olur ve böylece uçuşlarını ince ayarlar.
Bu biyolojik mekanizmalardan ilham alan araştırmacılar, robotik kanatlardaki gerilim algılamanın çevredeki hava akışı hakkında nasıl değerli bilgiler sağlayabileceğini araştırıyor. Doçent Hiroto Tanaka ve ekibi, sinek kuşlarının kanatlarını taklit etmek üzere tasarlanmış esnek kanatlara takılan gerilim sensörlerinin potansiyelini araştırdı. Deneyler, havada asılı kalma uçuş koşullarını simüle eden bir rüzgar tünelinde yürütüldü ve araştırmacılar, bağlı çırpınma sırasında rüzgar yönlerini doğru bir şekilde ayırt etmeye odaklandı.
Tanaka: “Küçük hava robotları, katı ağırlık ve boyut kısıtlamaları nedeniyle genellikle geleneksel akış algılama teknolojileriyle mücadele ediyor. Bu nedenle, özel ekipman eklemeden akış koşullarını doğrudan tanımak için basit kanat gerilim sensörlerini kullanmak inanılmaz derecede avantajlı olacaktır” dedi.
Ekip, sinek kuşu kanatlarını taklit eden esnek bir kanat yapısına yedi adet ticari olarak temin edilebilen gerilim ölçer taktı. Konik şaftlardan ve bir kanat filminden yapılmış olan bu kanatlar, saniyede 12 döngü hızında ritmik bir çırpma hareketi üreten bir DC motorla çalıştırılan bir çırpma mekanizmasıyla eşleştirildi. Araştırmacılar bu kurulumu rüzgar tünelinde 0,8 m/s’lik hafif bir esintiyle test ettiler ve rüzgar yönünü yedi açıyla (0°, 15°, 30°, 45°, 60°, 75° ve 90°) ve aynı zamanda durgun koşullar altında değiştirirken kanat gerginliğini ölçtüler.
Makine öğreniminin yeni bir uygulamasında, toplanan gerinim verileri, kanat gerinim ölçümlerine göre farklı rüzgar koşullarını sınıflandırmak için bir evrişimli sinir ağı (CNN) modeli kullanılarak analiz edildi.
