利用流体力学信号实现斯托克斯流中微游动体的壁面探测 可供购买

《Soft Matter》：Wall detection for a microswimmer in Stokesian flows by using hydrodynamic signalsAvailable to Purchase

　　

通过流体动力学信号感知周围环境是众多水生生物的一种关键生存技能，也是智能机器人平台的一项有前景的技术。本研究探讨了移动微游动体利用自诱导流信号进行壁面探测的潜力。该问题被理想化为：在斯托克斯流动区域内，一个球形微游动体在无限壁面附近进行恒速平移或沉降运动，其表面安装的传感器可感知流场信号。通过推导解析解来构建全面的神经网络训练数据集。结果表明，固定姿态的微游动体仅通过单一底部传感器采集的压力和剪应力大小，即可准确预测其与壁面的距离高度和平移方向。值得注意的是，将两种信号整合使用更有利于避免盲区，增加冗余信号输入可增强抗噪声鲁棒性。在可变姿态场景下，多层感知机（MLP）泛化能力较差，而图注意力网络（GAT）则表现出优异的性能。具体而言，配备神经网络的微游动体在恒速平移时，高度预测的相对均方根误差（RMSE）在高达20倍体半径高度范围内低于5%，在8倍体半径内的沉降运动中低于10%，即使在噪声环境下也是如此。GAT固有的注意力机制有助于识别输入图的拓扑相似性，并利用传感器的空间邻近性来解决复杂的感知任务。本文揭示了生物机械感知机制的见解，并为微机器人通过流信号实现自主导航提出了一种有前景的方法。

视觉摘要

查看大图 下载幻灯片

微游动体利用自诱导流体动力学信号准确探测附近壁面。图注意力网络处理表面压力和剪应力以实现鲁棒导航，即使在姿态变化条件下也是如此。

查看大图 下载幻灯片

微游动体利用自诱导流体动力学信号准确探测附近壁面。图注意力网络处理表面压力和剪应力以实现鲁棒导航，即使在姿态变化条件下也是如此。

关闭图形

? 2026 作者。由英国皇家化学会出版

2026

作者

如需在其他出版物中使用本文材料，必须申请许可；请参见我们关于在RSC许可协议下发表的论文材料再利用的指南。