封面圖片說明

封面圖片來自本期論文“仿生機器魚近壁面流場識別的人工側(cè)線方法”，圖片包含了仿生機器魚三維樣機模型、仿生機器魚仿真模型、流場預(yù)測神經(jīng)網(wǎng)絡(luò)模型、速度場仿真云圖以及流場預(yù)測評價指標(biāo)曲面圖。隨著人類對海洋開發(fā)的深入，面臨的水下作業(yè)環(huán)境也愈發(fā)險惡，受水質(zhì)渾濁度和復(fù)雜非結(jié)構(gòu)的水下地形環(huán)境影響，傳統(tǒng)的光學(xué)成像和聲納探測技術(shù)應(yīng)用受到了限制，嚴重制約了仿生水下機器人的作業(yè)能力，針對仿生機器魚目標(biāo)近距離作業(yè)時的環(huán)境識別難題，提出一種基于人工側(cè)線(ALL)的近壁面流場識別方法。首先，理論分析了ALL感知近壁面流場環(huán)境的可行性；然后，建立了ALL虛擬壓力傳感器陣列并采用計算流體動力學(xué)(CFD)方法計算并提取了不同參數(shù)條件下(來流速度v,靠壁距離d和游動頻率f)仿生機器魚的體表壓強數(shù)據(jù)；最后，建立了基于多層前饋神經(jīng)網(wǎng)絡(luò)的來流速度和靠壁距離預(yù)測回歸模型，并對模型結(jié)構(gòu)和數(shù)據(jù)特征進行了優(yōu)化。研究結(jié)果表明：壁面效應(yīng)將引起魚體周圍流場結(jié)構(gòu)的非對稱分布，魚體頭部和尾部的側(cè)線傳感器對流場參數(shù)的辨識度高，消除弱相關(guān)的特征對來流速度和靠壁距離預(yù)測指標(biāo)的影響小且有利于降低預(yù)測模型的復(fù)雜度。