Flying animals resort to fast, large-degree-of-freedom motion of flapping wings, a key feature that distinguishes them from rotary or fixed-winged robotic fliers with limited motion of aerodynamic surfaces. However, flapping-wing aerodynamics are characterised by highly unsteady and three-dimensional flows difficult to model or control, and accurate aerodynamic force predictions often rely on expensive computational or experimental methods. Here, we developed a computationally efficient and data-driven state-space model to dynamically map wing kinematics to aerodynamic forces/moments. This model was trained and tested with a total of 548 different flapping-wing motions and surpassed the accuracy and generality of the existing quasi-steady models. This model used 12 states to capture the unsteady and nonlinear fluid effects pertinent to force generation without explicit information of fluid flows. We also provided a comprehensive assessment of the control authority of key wing kinematic variables and found that instantaneous aerodynamic forces/moments were largely predictable by the wing motion history within a half-stroke cycle. Furthermore, the angle of attack, normal acceleration, and pitching motion had the strongest effects on the aerodynamic force/moment generation. Our results show that flapping flight inherently offers high force control authority and predictability, which can be key to developing agile and stable aerial fliers.


翻译:飞行动物使用快速、大度自由运动的扇翼,这是它们与旋转或固定翼机器人飞行机流之间区别的关键特征,它与空气动力表面运动有限的旋转或固定翼机器人飞行相区别,然而,拍动翼空气动力的特征是高度不稳定和三维流动,难以建模或控制,准确的空气动力力预测往往依赖昂贵的计算或实验方法。在这里,我们开发了一个计算高效和数据驱动的州空间模型,以动态绘制翅膀动力动力/运动与空气动力/运动的动态图谱。这一模型经过总共548种不同的拍动运动的训练和测试,超过了现有准稳定模型的准确性和一般性。这一模型使用了12个州来捕捉与在没有明确流体流动信息的情况下产生动力相关的不稳定和非线性液体效应。我们还对关键翼动力变量的控制权威进行了全面评估,发现瞬时空空气动力/运动力量/运动在半三角周期内基本上可以预测。此外,攻击的角度、最强的空中运动运动运动运动运动运动运动运动运动运动运动运动运动,以及最稳定的空中运动和运动运动结果可以形成稳定的飞行稳定、最稳定的飞行控制。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
Linux导论,Introduction to Linux,96页ppt
专知会员服务
78+阅读 · 2020年7月26日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
已删除
将门创投
3+阅读 · 2020年8月3日
使用BERT做文本摘要
专知
23+阅读 · 2019年12月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】基于TVM工具链的深度学习编译器 NNVM compiler发布
机器学习研究会
5+阅读 · 2017年10月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Arxiv
0+阅读 · 2021年10月4日
Arxiv
1+阅读 · 2021年10月1日
Arxiv
3+阅读 · 2018年1月31日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2020年8月3日
使用BERT做文本摘要
专知
23+阅读 · 2019年12月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】基于TVM工具链的深度学习编译器 NNVM compiler发布
机器学习研究会
5+阅读 · 2017年10月7日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员