수중 차량의 근거리 인식 및 온라인 상태 추정을 위한 딥러닝 지원 트라이보일렉트릭 수염

사례 연구

고객 북경 대학교, 다롄 해양 대학교

측정 범위

적용 수중 로봇, 인식, 내비게이션, 딥러닝, ROV

분석 대상

사용 장비

북경대학교와 다롄해양대학교 연구팀이 공동으로 다양한 유체역학적 유동장의 수동 인식을 위한 딥러닝 지원 생체 모방형 수중 트라이보일렉트릭 위스커 센서(UTWS)를 설계했습니다. 이 논문은 “수중 차량의 근거리 인식 및 온라인 상태 추정을 위한 딥러닝 보조 트라이보일렉트릭 위스커”라는 제목으로 영향력 있는 학술지 나노 에너지(Nano Energy, 영향력 지수: 16.8)에 게재되었습니다.

이 논문의 저자들은 수중 차량의 근거리 인식 및 온라인 상태 추정을 위해 딥러닝 지원 생체 모방 수염 센서를 지원하기 위해 NOKOV 모션 캡처 시스템을 사용했습니다. 수중 모션 캡처 시스템으로 캡처한 차량의 실시간 모션 데이터(속도 및 가속도)를 사용하여 차량의 동작 상태를 위스커 센서의 전기 신호와 연결하는 데이터 세트를 만들었습니다. 이 연구는 다중 채널 신호의 딥러닝 분석을 통해 수염 센서와 로봇의 동작 상태 사이의 고차 매핑 메커니즘을 밝혀내 수중 차량의 실시간 속도 추정을 가능하게 했습니다. 설계된 수중 삼중전기 수염 센서(UTWS)는 유속, 공격각, 웨이크 등 2D 유동장의 다양한 특성을 파악할 수 있습니다. 이 연구는 중요한 기술 발전일 뿐만 아니라 수중 지능형 기기의 내비게이션 및 위치 파악에 대한 새로운 접근 방식을 제공합니다.

연구 배경:

수중 감지 기술은 수중 표적 탐지 및 추적 시스템, 수중 차량 군집 운용 등 다양한 분야에서 중요한 역할을 합니다. 동기식 수중 센싱에는 주로 광학(레이저 기반) 및 초음파(소나 기반) 기술이 사용됩니다. 하지만 레이저와 초음파 방식 모두 수중 환경의 수많은 간섭 요인에 영향을 받아 감지 범위와 정확도가 떨어집니다. 또한 능동 감지 방식인 소나는 높은 에너지 소비량, 복잡한 구조, 탐지 취약성 등의 문제에 직면해 있습니다. 따라서 많은 연구자들은 수중 지능형 장치의 지각 능력을 향상시키기 위해 유체역학 센싱을 비롯한 대체 감지 기술을 연구하고 있습니다.

해양 생물의 촉각 기관은 주변 환경을 정확하게 측정하고 식별할 수 있습니다. 연구자들은 해양 생물의 감각 행동에서 영감을 받아 다양한 수중 생체 모방 촉각 센서를 설계하여 수중 생체 모방 촉각 감지의 잠재력을 입증했습니다. 그러나 촉각 감지 장치는 여전히 낮은 신호 대 잡음비, 낮은 감도, 낮은 적응성 등의 문제에 직면해 있습니다. 트라이보전기 나노발전기(TENG)는 혁신적인 전자기계 변환 방법으로, 환경에 존재하는 잡음이 많은 기계적 교란을 고진폭 전기 신호로 변환할 수 있다는 것이 주요 장점입니다. 이 연구에서는 다양한 유체역학적 흐름장을 수동적으로 감지할 수 있는 생체 모방형 수중 트라이보전기 수염 센서를 설계하고 딥러닝 모델을 사용하여 수중 차량의 온라인 속도 추정을 더욱 가능하게 합니다.

연구 하이라이트

1.이 센싱 유닛은 이중 챔버 차폐 기술을 사용하여 수중 이온의 신호 간섭을 최소화합니다.

2.21ms의 빠른 응답 시간, 3.16V/m-s-¹의 고감도, 61.66dB의 신호 대 잡음비 등 UTWS는 인상적인 장점을 보여줍니다.

3.UTWS를 장착한 수중 차량은 검증 시나리오에서 약 0.093의 제곱근 평균 오차로 온라인 속도 추정을 정확하게 수행할 수 있습니다.

테스트 실험

생체공학 수중 삼중전기 수염 센서(UTWS) 장치는 주로 종횡비 0.403의 타원형 수염 축, 여포-동 복합체의 신경 구조를 모방한 4개의 유연한 삼중전기 감지 유닛, 해양 동물 볼의 표피를 모방한 유연한 주름 관절로 구성됩니다.

수중 삼중전기 수염 센서(UTWS)의 구조와 작동 메커니즘. a. 유체역학적 흐름장의 수동 센싱에 UTWS 적용. b. 여포-동 복합체의 신경 구조. c. UTWS의 기본 구조. d. UTWS의 평면도. e, f, g. 외부 자극에 반응하여 감지 유닛의 변형과 전자 흐름을 보여주는 UTWS의 작동 메커니즘.

설계 과정에서 물속 이온의 간섭을 최소화하기 위해 이중 챔버 차폐 기술을 사용했습니다. UTWS는 21ms의 빠른 응답 시간과 61.66dB의 높은 신호 대 잡음비 등 인상적인 장점을 보여주었습니다. 딥러닝 분석 기술을 사용하여 다중 채널 신호를 처리함으로써 UTWS를 장착한 수중 차량은 검증 테스트에서 약 0.093의 평균제곱근 오차로 온라인 속도 추정을 달성할 수 있었습니다. 이러한 결과는 제안된 딥러닝 기반 센싱 기술이 로컬 내비게이션 작업에서 수중 차량을 위한 통합 도구로서의 가능성을 보여줍니다.

未标题-1.png

ROV 온라인 상태 추정에서 UTWS의 검증. a. NOKOV가 캡처한 무작위 회전 모션 데이터. b. ROV의 실시간 속도 추정. c. 회전 모션 궤적을 따른 ROV의 각속도. d. 예측된 궤적의 오차 범위. e. 원 운동 궤적에서 ROV의 각속도. f. 관성 측정 장치(IMU)를 기반으로 한 가속도. g. 실제 궤적, UTWS 기반 예측 궤적, IMU 기반 예측 궤적 간의 비교.

이 연구는 물범의 민감한 수염에서 영감을 받아 다양한 유체역학적 흐름장을 수동적으로 감지하고 수중 차량의 실시간 상태 추정을 위한 딥러닝 기반 생체모방 수중 삼중전기 수염 센서(UTWS)를 설계합니다. NOKOV 모션 캡처 시스템은 고정밀 수중 차량 위치 데이터를 제공합니다.