Estimating the Lateral Motion States of an Underwater Robot by Propeller Wake Sensing Using an Artificial Lateral Line

要約

人工側線 (ALL) は、分散型流量センサーで構成される水中ロボットの生物からインスピレーションを得た流量感知システムです。
ALL は、体のうねりや尾の羽ばたきによって駆動される、生物からインスピレーションを得た水中ロボット、たとえばロボット魚の運動状態を感知することに大きな成功を収めています。
しかし、ALL は、水中が非常に動的で複雑な流れ場であるため、回転するプロペラによって駆動される水中ロボットのセンシングに関して体系的にテストおよび研究されていません。
この論文は、プロペラ後流からサンプリングされた分布流量測定は、流れ力学全体を表現することは不可能ではあるが、リーダー水中ロボットの横方向の運動状態を推定するのに十分な情報を提供するという大胆な仮説を立てています。
このような状態推定器の実現可能性を調査するために、円筒形の ALL 感覚システム、回転するリーダー プロペラ、および平面のスライド ガイドを備えた水槽で構成される実験用テストベッドが構築されます。
具体的には、一次元畳み込みネットワーク (1DCNN) と双方向長短期記憶ネットワーク (BiLSTM) で構成されるハイブリッド ネットワークが、分布圧力測定の時系列の時空間特徴を抽出するように設計されています。
リーダープロペラの横運動状態を推定するために、多出力深層学習ネットワークが採用されています。
さらに、総合的な推定性能を考慮して、状態推定器はクジラ最適化アルゴリズム (WOA) を使用して最適化されます。
広範な実験が実施され、その結果は、プロペラ後流センシングによるリーダー水中ロボットの運動状態の推定において、提案されたデータ駆動型アルゴリズムを検証する。

要約(オリジナル)

An artificial lateral line (ALL) is a bioinspired flow sensing system of an underwater robot that consists of distributed flow sensors. The ALL has achieved great success in sensing the motion states of bioinspired underwater robots, e.g., robotic fish, that are driven by body undulation and/or tail flapping. However, the ALL has not been systematically tested and studied in the sensing of underwater robots driven by rotating propellers due to the highly dynamic and complex flow field therein. This paper makes a bold hypothesis that the distributed flow measurements sampled from the propeller wake flow, although infeasible to represent the entire flow dynamics, provides sufficient information for estimating the lateral motion states of the leader underwater robot. An experimental testbed is constructed to investigate the feasibility of such a state estimator which comprises a cylindrical ALL sensory system, a rotating leader propeller, and a water tank with a planar sliding guide. Specifically, a hybrid network that consists of a one-dimensional convolution network (1DCNN) and a bidirectional long short-term memory network (BiLSTM) is designed to extract the spatiotemporal features of the time series of distributed pressure measurements. A multi-output deep learning network is adopted to estimate the lateral motion states of the leader propeller. In addition, the state estimator is optimized using the whale optimization algorithm (WOA) considering the comprehensive estimation performance. Extensive experiments are conducted the results of which validate the proposed data-driven algorithm in estimating the motion states of the leader underwater robot by propeller wake sensing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google