非对称仿生触须传感器对用于增强无人机气流感知

《Advanced Intelligent Systems》：Asymmetric Whisker-Inspired Sensor Pairs for Enhanced Airflow Sensing on Drones

　　

缩小飞行动物与四旋翼无人机之间性能差距的一种方法是改进机器人感知气流的方式。在本研究中，研究人员通过结合两种仿生设计选择，增强了仿生触须传感器在无人机上的气流感知能力。首先，研究人员通过非对称横截面在传感器中引入方向性非对称性，使得传感器的响应取决于流向。其次，研究人员将两根非对称触须以角度偏移配对，使一个传感器的最大灵敏度与另一个传感器的最小灵敏度对齐。对于三角形横截面的传感器对，最佳角度偏移为60°，相比于对称传感器对，流向估计精度提高了15%。在另一种非对称形状（十字形触须）的测试中，研究人员发现，在193 ms的数据采集时间内，一对十字形触须优于采集一整秒数据的对称对。最后，研究人员展示了在80 g四旋翼无人机上安装的两个偏移三角形触须能够实时提供足够信息，在无人机运动时识别风的存在。这些结果表明，通过非对称性向仿生触须流量传感器添加机械智能，可以为有风条件下的空中导航提供有价值的能力。

**论文解读文章**

**研究背景**
四旋翼无人机的控制正朝着复杂任务发展，如抓取、栖停和自主环境监测。然而，真实应用要求传感器融合算法能够区分多种外力，例如有效载荷加速度、物理接触、自运动和环境风，这些因素均可产生相似的惯性测量单元（IMU）信号。生物飞行系统（如蝙蝠、鸟类、蝗虫）广泛使用专门的触须或毛发传感器直接感知气流，从而快速响应失速或阵风，而现有无人机却缺乏这种能力。仿生触须传感器虽已被开发用于无人机，但通常采用对称横截面（如圆形或十字形），导致其方向性灵敏度不足，且校准仅被视为消除制造缺陷的手段。本研究旨在通过有意引入几何非对称性，将机械智能编码于触须结构中，以提升气流感知的准确性和速度。论文发表在《Advanced Intelligent Systems》。

**主要技术方法**
研究人员采用3D打印技术（Formlabs打印机，Tough 2000半刚性聚合物树脂）制造了五种不同横截面形状的触须（圆形、十字形、方形、三角形、人字形），每种形状高度40 mm，横截面边界15 mm×15 mm。触须底部安装磁铁和霍尔效应传感器（Hall effect sensor，TLE493D-W2B6 A0），通过测量磁场正交分量（B_x,B_y）计算信号方向角（ψ）和幅度（|B|）。在台架实验中，触须由步进电机（NEMA-17）驱动旋转，通过100个流向（0°到360°）和5种风速（1.2–3.5 m/s）进行标定，建立数据驱动模型（流向模板函数f_θ(θ)和速度增益g(v)）。两种估计算法被用于流向估计：方法一（Theta Method）基于单触须的θ(ψ)校准曲线反演；方法二（Offset Method）通过查找表匹配多触须的归一化矢量响应。在无人机实验中，两个三角形触须（偏移60°）安装在80 g DJI Tello四旋翼上，实时采集数据（采样率>130 Hz）并触发LED指示风的存在。

**研究结果**

**2.1 非对称触须对气流的响应表征**
通过台架实验，研究人员测量了不同横截面触须在各流向下的磁信号。结果显示，圆形触须的ψ与流向θ近似线性，且|B|随流向变化较小；而三角形触须的ψ曲线呈现非线性与非单射性，|B|随流向显著变化——当气流指向顶点时信号幅度约为指向平面时的四分之一。这种非对称性源于阻力系数和投影面积随流向的变化。

**2.1.1 非对称触须响应表征**
实验进一步表明，十字形触须同样存在非对称响应，而方形和人字形触须也表现出类似的流向依赖性变化。所有触须的共振频率约为4–7 Hz，气流导致触须围绕平衡位置振荡。

**2.1.2 数据驱动响应模型**
研究人员建立了模型：B_model(θ,v) = f_θ(θ)·g(v)（f_θ为流向模板，g为速度增益）。该模型在各触须形状上均取得良好拟合，均方根误差（RMSE）为2.6–3.9 mT，R2≥0.95。

**2.2 从传感器信号估计气流**
**2.2.1 单传感器情况：对称 vs. 非对称**
对于单触须，使用校准曲线比直接使用公式(1)（ψ≈θ）更准确。对称型（圆形、十字形）的流向估计RMSE最低（约4°–5°），而非对称型（三角形、人字形）因非单射性导致RMSE更高（约10°–12°）。速度估计中，对称型也优于非对称型。

**2.2.2 触须配对与偏移选择**
研究人员引入配对触须的偏移角η，并比较两种算法。
**2.2.2.1 算法1（Theta Method）**：对每根触须分别估计流向并取平均。配对后所有形状的RMSE均降低，非对称触须在最佳偏移下性能提升显著（三角形RMSE从12.1°降至6.5°）。
**2.2.2.2 算法2（Offset Method）**：同时比较两触须的矢量分量。对于三角形触须，最佳偏移η=60°（±120°）时RMSE最低（5.7°），优于对称圆形对（6.5°）。十字形触须在最佳偏移下同样优于圆形对。

**2.3 流向估计算法比较**
所有配对触须的RMSE均低于单触须。算法2对非对称触须的偏移选择更敏感，十字形和三角形在最佳偏移下超越圆形对基线。三角形触须在约70%的流向上优于基线，但在某些死区仍存在较大误差。

**2.4 时间收敛性**
通过调整滤波窗口长度，研究发现十字形触须对在193 ms（数据点29个）时精度超过圆形对（1 s数据），三角形触须对在240 ms时超越。收敛时间与传感器机械共振周期（4–7 Hz）一致，表明平均至少一个振荡周期是必要的。

**2.5 四旋翼实验：双流检测**
在80 g DJI Tello上安装两个偏移60°的三角形触须，飞行实验中同时存在自诱导阻力流和外部风。当两触须估计的流向差超过阈值（15°）时，算法判定风存在，并触发LED。12次重复实验显示，LED在进入风扇风场时可靠点亮，离开后熄灭，而负测试（飞行在风场上方或下方）无触发。该检测对运动方向与风向的相对角度有限制，在相对角度0°或120°附近可能失效，未来可通过扩大阵列缓解。

**总结与讨论**
本研究证明，方向性非对称加有意偏移角度可提升流向估计的速度和准确性，并实现实时风识别。十字形非对称对将流向和速度估计RMSE分别降低11%和33%（相较于圆形对）。机械智能通过几何编码，减少了计算依赖。局限性包括：每根触须需单独校准，双流检测对相对角度敏感，以及非对称触须存在死区。尽管如此，该传感器在微四旋翼上成功集成，展示了在尺寸、重量和功率约束下的实用性。未来可扩展至更大阵列、异构传感器或水下机器人领域。

**研究结论**
研究人员描述了一种气流感知系统，能够在四旋翼自运动速度相近时机械地识别风的存在，为快速发展的多刺激信号识别领域做出贡献。随着无人机任务向有效载荷操控、触觉交互和自主户外巡检等复杂环境发展，轻量级、专用化且能实时识别刺激的传感机制需求将日益增长。