一种受生物启发的涡流检测方法:从海豹胡须中获得的启示
《Engineering Applications of Artificial Intelligence》:A bio-inspired vortex discovering method: Insights derived from harbor seal whiskers
【字体:
大
中
小
】
时间:2026年07月18日
来源:Engineering Applications of Artificial Intelligence 9.0
编辑推荐:
摘要:在水下目标的探测与追踪方面,这一技术在不同应用领域具有极为重要的意义。受海豹触须追踪能力的启发,本研究利用海豹触须独特的表面结构,提出了一种基于生物启发的新型涡流检测方法用于水下目标追踪。触须式传感器采集的力信号会由智能控制模块通过深度强化学习算法,尤其是深度Q网络,进行分
摘要:在水下目标的探测与追踪方面,这一技术在不同应用领域具有极为重要的意义。受海豹触须追踪能力的启发,本研究利用海豹触须独特的表面结构,提出了一种基于生物启发的新型涡流检测方法用于水下目标追踪。触须式传感器采集的力信号会由智能控制模块通过深度强化学习算法,尤其是深度Q网络,进行分析,从而做出运动决策。该方法能够高效地检测并追踪水下目标。在拖曳水槽中进行的实验表明,所提出的方法可以有效检测到划动桨叶留下的涡流轨迹,并通过追踪这些轨迹成功定位目标。在测试的各种深度Q网络算法中,双深度Q网络表现出更优异的性能,其收敛速度优于目标深度Q网络,且相比对抗深度Q网络,次优动作也更少。该研究结合先进的深度强化学习算法,为水下目标追踪提供了一种新颖且有效的方法,借助涡流轨迹检测技术。这项工作验证了在实际工程场景中应用强化学习算法的有效性,同时也为人工智能技术在海洋环境探索中的应用开辟了新的途径。
引言:水下目标追踪在诸多应用中都发挥着关键作用,包括鱼群检测(Simone等人,2018)、船舶导航(Hinostroza和Lekkas,2024)以及自主水下航行器追踪(Zhang等人,2023)。现有的水下目标追踪技术包括视觉、红外、雷达和声纳。然而,这些技术在深海环境中面临着诸多挑战。视觉技术受光线条件不佳的限制(Wang等人,2024),而光线和电磁波在水中迅速衰减,也限制了红外和雷达系统的有效作用范围。尽管声纳效果较好,但它容易受到干扰措施的影响,同时还可能对海洋生物构成威胁(Chahouri等人,2022)。这些局限性凸显出需要创新且环保的方法来有效检测和追踪水下目标,尤其是在深海和光线不足的环境中。仿生技术有望解决上述问题,为非侵入式的海洋探索提供可能。在数百万年的进化过程中,自然生物形成了高度适应其生存环境的特殊结构。例如,海豹(Phoca vitulina)能够在黑暗、浑浊的水域中良好生存,且对深海环境具有出色的适应能力。研究表明,海豹依靠其触须作为感知工具来追踪猎物(Dehnhardt等人,1998、2001)。它们追踪能力的关键在于能够检测并解读猎物产生的涡流以及无涡流的喷射流。Dehnhardt等人(2001)通过实验发现,海豹会始终沿着目标的路径移动并在其周围区域搜寻。如果无法从目标的路径开始追踪,它们找到猎物的概率就会大幅下降。这表明海豹依赖于对猎物路径上涡流信息的实时分析。与其他拥有椭圆形触须的海洋哺乳动物相比,如海狮,海豹具有独特的适应性,能够适应能见度极低的深水环境。它们演化出了高度特化的触须,从而提升了感知水流的能力(Deane,1991)。典型的海豹触须呈椭圆形横截面,沿长度方向有规律地分布着峰谷结构,宛如一串珠子(Hanke等人,2010)。与圆柱形和椭圆圆柱形结构相比,这种独特结构在均匀流中产生的振动显著减小,使得海豹触须的信噪比极高,从而使海豹能够区分由海洋水流引起的触须振动与猎物或捕食者留下的涡流及喷射流所产生的振动(Hanke等人,2010;Beem和Triantafyllou,2015;Bunjevac等人,2018)。通过研究这些特性,有望开发出具备水下目标追踪、渔业资源监测、避障及导航功能的高级自主水下航行器。此外,众多研究致力于探究海豹触须的涡流感知机制,以了解这些触须是如何利用涡流信息的。Hans等人(2013)发现,触须的波浪状结构会破坏均匀流中涡流脱落的相干结构,从而显著降低升力并抑制振动。Wang和Liu在2016年以及Wang等人在2016年比较了鞍面和平面之间的涡流脱落频率,发现两者之间存在差异,从而导致复杂的、不稳定的涡流脱落过程,进而抑制触须的流动诱导振动。另外,当触须的长轴与流动方向平行时,其振动幅度要比短轴与流动方向平行时小得多。事实上,Murphy等人(2018)发现,海豹在游泳时始终保持触须长轴与流动方向一致,这进一步揭示了其触须感知特性的生物学基础。此外,这项研究还发现,当海豹触须的长轴与流动方向平行时,振动幅度最小,而振动频率最大。在感知机制方面,Beem和Triantafyllou(2015)发现,圆柱体尾流中的触须振幅远远大于均匀流中的振幅,而且随着触须与圆柱体之间距离的缩小,触须振幅还会增大。他们提出了一种基于触须的目标感知机制,即目标运动产生的卡门涡街所具有的低压特性会吸引触须,使其随涡街同步振荡。尽管已经对海豹触须的结构和水动力学特性进行了分析和研究,但仍有必要进一步探讨海豹是如何利用触须产生的振动信号来追踪猎物的。此外,这些知识还可用于设计和开发仿生机器人系统。强化学习作为一种在路径规划领域极具前景的技术,能够让机器人根据与周围环境的交互反馈,实时适应复杂环境并优化行进路线。Yu等人(2021)利用强化学习算法,让配备摄像头的机器鱼能够通过视觉手段追踪动态和静态的水下目标。Hadi等人(2022)提出了基于强化学习的自主水下航行器自适应运动规划与避障技术。在基于流体信息的导航领域,Verma等人(2018)运用强化学习模拟鱼群行为策略,以提高智能体的推进效率。同样,Yan等人(2020)在仿真环境中使用强化学习,让虚拟鱼只学会遵循特定轨迹并避开障碍物。Gunnarson等人(2021)也在仿真环境中运用强化学习算法生成游泳者的运动路径,教导游泳者如何利用流场信息在非稳定的二维流场中以恒定速度快速移动。近年来,受海豹启发的仿生触须传感器取得了重大进展,拓展了人工传感技术的应用范围。Xu等人(2024)设计了一种基于深度学习的仿生水下摩擦电触须传感器,该传感器能够被动感知多种不同的水动力流场。借助深度学习技术,这种传感器可以为自主水下航行器实现在线速度估算,从而实时获取速度、加速度和轨迹信息。Dai等人(2024)则开发了一种基于触须阵列结构并结合磁三维自解耦理论的多元水动力传感器。该传感器能够检测流速和流向、动态涡流尾流的频率以及涡流源的方向。与传统的传感技术相比,Wang等人(2024)提出了一种采用正交光纤布拉格光栅的触须传感器,为那些传统集成电路无法正常工作的极端环境提供了另一种解决方案。这些方法与微机电系统(MEMS)(Zhang等人,2021)、可变电容电路(Stocking等人,2010)以及摩擦电纳米发电机(TENGs)(Wang等人,2022)等传统技术有着显著的不同。虽然仿生触须传感器在流速和流向检测方面表现优异(Xu等人,2024;Dai等人,2024;Wang等人,2024),但其在目标追踪方面的潜力尚未被充分探索。为填补这一空白,本研究提出了一种基于生物启发的涡流检测方法,专门用于通过感知不同水动力流场来追踪水下目标(图1)。为验证该涡流检测方法,我们构建了一个完整的自动实验系统,其中包括:1)一对用于检测涡流轨迹的触须力传感器(图1(d)–(f));2)一个基于深度强化学习框架的智能控制模块,用于将原始力信号转化为运动指令,模拟海豹的神经决策过程;3)一个闭环控制系统,能够通过实时解析流场信息来生成追踪轨迹。本研究首次展示了利用海豹触须感知技术进行水下目标追踪的可行性,同时也率先将深度强化学习应用于仿生触须系统的智能控制。本研究的主要贡献如下:1)本研究提出了一种基于生物启发的水下目标检测与追踪方法。我们借鉴海豹利用触须追踪猎物的能力,使用类似触须的传感器来检测目标留下的涡流轨迹。通过解读这些涡流信号,我们能够精准定位并追踪目标。2)我们开发了一个基于深度强化学习算法的智能控制模块,用于分析触须式传感器采集的力信号,从而做出合理的运动决策。这种端到端的学习方法通过整合感知数据与运动规划,实现了高效的涡流检测与目标追踪。3)我们设计了一个自动实验系统,用于评估涡流检测方法在追踪水下目标方面的可行性。此外,在拖曳水槽中进行的实际物理实验也验证了各种深度Q网络算法的性能。本文的结构如下:第2部分详细描述了本研究中使用的智能控制模块和实验系统。第3部分展示了实验结果并对其进行了分析,强调了所提方法的有效性。最后,第2.2节“智能控制模块”和2.2.1节“深度强化学习框架”将对研究结果进行深入探讨,并得出关键结论。
实验系统部分:海豹依靠其毛囊-窦复合体中的环状窦结构来检测猎物留下的涡流。当遇到这类涡流时,这些结构会充血,从而增强作用在触须上的力量,提升感知能力(Hanke和Dehnhardt,2016)。受海豹毛囊-窦复合体的启发,我们在触须模型末端设计了四个支点,以模拟真实毛囊-窦复合体对触须根部的支撑作用。(图2(a)和图3)
结果部分:为了评估目标深度Q网络、双深度Q网络和对抗深度Q网络在目标追踪任务中的性能,我们为三种算法的所有全连接神经网络采用了相同的超参数配置,以确保一致性。该神经网络架构包含两层:第一层有256个神经元,负责处理输入特征并提取用于决策的相关模式;第二层有2个神经元,用于输出对应的动作价值。
讨论部分:目前,深海环境中的目标追踪方法主要包括声纳、视觉和仿生方法。如表2所示,声纳方法精度较高,但可能会对海洋生态系统造成干扰;视觉追踪则受光线条件差和作用范围有限的制约;而仿生方法虽具有生态优势,但目前尚未出现适用于深海环境的成熟仿生追踪方法。现有的人工侧向...
结论部分:受海豹被动涡流感知策略的启发,本研究开发了一种集成深度强化学习框架的涡流检测方法,可实现水动力信号到运动指令的端到端转换。在拖曳水槽中的实验验证了该方法的有效性,证明了其具备水下目标追踪的能力。由于无需主动发射信号,该系统解决了传统声纳和光学方法在生态保护和隐蔽性方面的缺陷。
资金支持部分:本研究得到了中国国家自然科学基金的支持(项目编号为52401340、51779172和52179076)。
作者贡献说明:魏宇涵:数据整理、研究、方法设计、软件应用、结果验证、可视化处理、初稿撰写;徐兴峰:研究、方法设计、初稿撰写;季春宁:概念构思、资源协调、研究指导、文章审阅与修改。范迪霞:概念构建、写作——审稿与编辑。利益冲突声明作者声明不存在任何可能影响本文所报告工作的已知财务利益或个人关系。致谢本项工作得到了中国国家自然科学基金(项目编号:52401340、51779172和52179076)的资助。魏宇涵|徐兴峰|季春宁|范迪霞中国天津市天津大学水利工程模拟与安全国家重点实验室,邮编300350
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号