研究背景
- 水下感知技术在水下目标探测/跟踪、水下航行器集群协作等多个领域发挥着至关重要的作用。水下同步感知主要涉及基于光学（激光）的技术和基于超声波（声纳）的技术。然而，激光和超声波技术在水下都会受到许多干扰因素的影响，导致感知范围和精度下降。此外，水下激光/声纳作为主动传感手段，面临着能耗高、结构复杂、易暴露等挑战。因此，众多研究人员正致力于研究包括水动力感知在内的替代感知技术，以增强水下智能设备的感知能力。海洋生物的触觉器官能够准确测量和识别周围环境。受海洋生物感知行为的启发，研究人员设计了多种水下仿生触觉传感器。由此可见，水下仿生触觉传感具有巨大潜力，但触觉传感设备仍面临信噪比不足、灵敏度较低和适应性差等挑战。摩擦纳米发电机（Triboelectric nanogenerators, TENGs）作为一种创新的机电转换方法，其主要优势在于能够将广泛分布于环境中的混沌机械干扰直接转换为高振幅电信号。本研究设计了一种仿生水下摩擦电胡须传感器，可被动感知多种水动力流场，并利用深度学习模型进一步赋予水下航行器在线速度估计能力。
文章概述
- 受港海豹灵敏的胡须启发，本文设计了一种深度学习辅助的仿生水下摩擦电胡须传感器（underwater triboelectric whisker sensor, UTWS）用来被动感知各种水动力流场。该装置主要由一个高宽比为 0.403 的椭圆形须轴、四个仿生毛囊窦复合体神经的柔性摩擦电传感单元和一个仿生海洋生物脸颊表皮的柔性波纹接头组成。设计过程中采用双层气室屏蔽技术，最大限度地减少水中离子对信号的干扰。UTWS表现出了亮眼的优势：21ms的快速响应时间、61.66 dB的高信噪比。通过采用深度学习分析技术处理多通道信号，配备UTWS的水下航行器能够完成在线速度估计，在验证情况下的方根误差约为0.093。因此，这种基于UTWS的深度学习辅助感知技术有望成为水下航行器在本地导航任务中的整合工具。该成果以题为“Deep-learning-assisted triboelectric whisker for near field perception and online state estimation of underwater vehicle”发表于Nano Energy。北京大学工学院博士后研究员徐鹏、大连海事大学轮机工程学院博士研究生刘建华、刘搏为论文共同第一作者。北京大学谢广明教授与大连海事大学徐敏义教授和王昊副教授为论文共同通讯作者。这一研究成果不仅在技术上取得了重要突破，也为水下智能设备的发展提供了新的思路。研究团队将继续努力，助力水下感知不断发展。
原文链接： https://www.sciencedirect.com/science/article/pii/S2211285524007614
图文导读
总结
- 本研究开发了一种基于深度学习辅助TENG的水下胡须传感器，可感知水动力意义上的各种流场，为水下航行器的局部导航提供了一种颇具前景的替代方法。所研究的UTWS可识别二维流场的多种特征。这些特征包括流速、攻角和尾流。双层气室屏蔽技术确保了UTWS的水下输出稳定性。UTWS具有快速响应时间（21 ms）、低成本和 61.66 dB的信噪比等优势。值得注意的是，胡须轴的流线型设计使UTWS在攻角为0°时能够最大限度地减少阻力和涡激振动。利用与攻击角相关的有效椭圆直径，通过 FFT 分析估算出稳定流的流速和方向。UTWS能够识别上游钝体引起的尾流参数。此外，振荡流是海洋生物附属物运动所产生的典型干扰。利用振荡速度与电压输出之间的线性相关关系，UTWS 能够有效地感知和区分偶极源的特征。通过使用深度学习处理多通道信号，配备 UTWS 的 ROV 实现了熟练的实时状态估计，验证数据的 RMSE 约为 0.093。研究表明，通过 DL 辅助 UTWS 实现的基于胡须的感知技术可以有效地为水下航行器提供流场感知，进而帮助其完成局部导航任务。
论文信息：
《Deep-Learning-Assisted Triboelectric Whisker for Near Field Perception and Online State Estimation of Underwater Vehicle》
Peng Xu, Jianhua Liu, Bo Liu, Yuanzheng Li, Hao Jin, Zhaoyang Mu, Tangzheng Guan, Guangming Xie, Hao Wang and Minyi Xu
原文链接：
