中国科技核心期刊      中国指挥与控制学会会刊     军事装备类重点期刊
指挥控制与仿真

指挥控制与仿真 >

2021 , Vol. 43 >Issue 1: 125 - 129

DOI: https://doi.org/10.3969/j.issn.1673-3819.2021.01.022

工程实践

基于鱼类感知机理的水下目标定位技术

  • 徐阳 1 ,
  • 郜述显 2
展开
  • 1.海军装备部驻上海地区军事代表局, 上海 201206
  • 2.江苏自动化研究所, 江苏 连云港 222061

作者简介：徐 阳(1984—),男,江苏盐城人,工程师,研究方向为舰艇武器装备系统。

郜述显(1991—),男,硕士,工程师。

Copy editor: 张培培

收稿日期: 2020-08-21

  修回日期: 2020-09-09

  网络出版日期: 2022-04-29

收起

Research on Underwater Target Location Technology Based on Fish Perception Mechanism

  • XU Yang 1 ,
  • GAO Shu-xian 2
Expand
  • 1. Shanghai Bureau, Naval Armament Department, Shanghai 201206
  • 2. Jiangsu Automation Research Institute, Lianyungang 222061, China

Received date: 2020-08-21

  Revised date: 2020-09-09

  Online published: 2022-04-29

Fold

摘要

侧线是鱼类和两栖动物特有的感知器官,鱼类依靠侧线器官可以实现交流、避障、导航、捕食与群游等。针对水下无人航行器(AUV)受到光线、噪声的影响时,无法精确感知目标位置及周围水流环境的问题,在研究鱼类侧线感知机理的基础上,结合流体动力学,建立了基于压力场的仿生侧线理论模型,采用CFD技术模拟不同位置的振动源引起的流场压强变化,总结了仿AUV模型表面压强的变化规律,为水下航行器的定位和导航提供了新的视角。

关键词： 仿生侧线; 水下目标定位; 流体力学; 水动力仿真; 水下机器人

本文引用格式

徐阳 , 郜述显 . 基于鱼类感知机理的水下目标定位技术[J]. 指挥控制与仿真, 2021 , 43(1) : 125 -129 . DOI: 10.3969/j.issn.1673-3819.2021.01.022

Abstract

The lateral line is a unique sensory organ of fishes and amphibians. Fish can rely on the lateral line organs to realize communication, obstacle avoidance, navigation, predation and group swimming. Aiming at the problem that the underwater unmanned vehicle (AUV) cannot accurately perceive the target position and the surrounding water environment when it is affected by light and noise, based on the study of fish lateral line perception mechanism, combined with fluid dynamics, a pressure-based the bionic lateral line theoretical model of the field uses CFD technology to simulate the pressure change of the flow field caused by the vibration source at different positions, and summarizes the change law of the surface pressure of the simulated AUV model, which provides a new perspective for the positioning and navigation of the underwater vehicle.

Key words： bionic lateral line; underwater target positioning; Fluid Mechanics; hydrodynamic simulation; underwater robot

在海洋资源开发与国防领域,水下定位技术具有重大的战略意义。但由于水体的屏蔽作用,依赖GPS的陆上导航定位方法无法直接使用,在水下复杂的环境中,水波噪声又会干扰声呐的正常使用,折射、黑暗等光现象对水下航行器的运动控制、定位和环境感知有很强的干扰。电磁波的信号受到水体屏蔽作用,在水下衰减比较严重[1-2]。如何克服这些因素,使水下航行器能够精确地感知周围振动源的信息,更加精准地完成复杂的任务,是一个迫切需要解决的难题。
生物学家经过多年对鱼类侧线系统的深入研究,不仅发现鱼类侧线可用于追踪猎物、避障、群游、相互交流及长距离迁徙,还深入了解了侧线的感知器官的生理结构、表面神经丘受刺激后反射的数学模型。

1 研究现状

Yingchen Yang等人使用表面微机械加工技术制造了一组微型化的热丝测速传感器(HWAs),成功地完成了偶极子源定位和水动力尾迹监测,鱼类侧线系统感知偶极子源定位可以让鱼类捕获食物或者躲避捕食者,完成这样的行为只需要辨别其他生物产生的偶极子场[3]。Mohsen Asadnia等人在2015年开发的灵敏人造纤毛流量传感器[4],安装在带有浮动电极的微型膜片上,并利用振动35 Hz的偶极子刺激,结果表明,通过阵列的人造纤毛传感器具有高灵敏度,后期使用阵列传感器成功确定了水下偶极子源位置和距离。人类通过仿造鱼类侧线来实现水下偶极子源的定位、水动力尾迹检测等水环境辨识,提高了人类在水下环境中探测、导航和生存的能力[5⇓⇓⇓-9]。迄今为止,还没有水下航行器使用像鱼类侧线感知系统来实现对水下振动源的定位感知、导航、避障等功能。

2 流体力学理论模型

当一个球体在不可压缩理想流体中振动时,物体的振动会对周围的流体不断做功,从而引起流体流动,而物体做功是有限的,所有流体运动主要集中在振动物体的附近水域,在离振动物体的无穷远处认为流体静止[10⇓-12],假设流体速度在无穷远处为零。
如图1所示,假设振幅大小为A,角频率为ω,振动球往复振动的瞬时位移为
S=A·cos(ωt)
图1 振动源定位示意图
则沿振动方向y轴的球的瞬时速度大小为
u=A·ω·sin(ωt)
由于不可压缩理想流体绕任何一个固体的势流问题完全等价于该固体在流体中运动时出现的流体问题,为了使前者确定后者,只要转换坐标系,使无穷远处静止即可。首先,确定远离运动物体的流体速度分布特性,不可压缩流体的势流满足拉普拉斯方程Δφ=0。此处流体在无穷远处静止[13-14],可以把远点取在运动物体内的任何一点。
拉普拉斯方程有一个解为1/r,其中,r是振动源到原点的距离。1/r对坐标的各阶导数都是拉普拉斯方程Δφ=0的解,并且在无穷远处为零。拉普拉斯方程的解在远离物体处的一般形式为
φ=- a r+Q·Ñ 1 r+...
边界条件要求流体速度v和球体速度u在球面上的法向分量相等,即当r=R时,v·n=u·n,由此可以确定处处相同的矢量Q,由物体边界条件得出Q=uR3/2,于是势函数[15]可表达为
φ=- R 3 2 r 2·u·n
n为沿r方向上的单位矢量,可用cos θ表示,u=A·ω·sin(ωt),因此,势函数为:
φ=- R 3 2 r 2·A·ω·sin(ωt)cos θ
∂ φ ∂ t=- R 3 2 r 2·A·ω2·cos(ωt)cos θ
由于rcos θ=xs-x1,r= ( x s - x 1 ) 2 + ( y s - y 1 ) 2,S=A·cos ω t,则有
∂ φ ∂ t=- R 3 S ω 2 2· x s - x 1 ( x s - x 1 2 + y s - y 1 2 ) 3 2
在任何旋度为零的矢量场中,势流引起的速度可以用标量的梯度来表示,即
v=grad φ
将v=Ñφ代入欧拉方程[16]中,得
∂ v ∂ t+ 1 2Ñv2-v×rot v=- p ρ
进一步,
grad ∂ φ ∂ t + v 2 2 + p ρ=0
由此得到
∂ φ ∂ t+ v 2 2+ p ρ=f(t)
其中,f(t)为时间的任意函数。由于速度等于势函数对坐标的导数,φ可以相差任何一个时间导数,所以,可以令等式右边f t=0。由此求出流场中压强的分布为
p=p0- ρ v 2 2+ρ ∂ φ ∂ t
p0为流场中无穷远处的压强,在此先不考虑重力场的影响(处理数据时由静水压力校正)。流动有势,且液体不可压缩,而振动引起的水流速度很小( ∂ φ ∂ t≫v2),可以忽略掉平方项 ρ v 2 2。可以得到与AUV相距r处的振动源的特征参数(坐标、振幅和频率)与AUV表面压力的数学关系为
p=ρ R 3 S ω 2 2· x s - x 1 ( ( x s - x 1 ) 2 + ( y s - y 1 ) 2 ) 3 2
压力值p可以由安装在AUV表面的传感器测得。假设传感器坐标(x1,y1)、振动源的振幅A和频率ω已知,瞬时位移S、横坐标xs和纵坐标ys未知(假设微小振动时,振动源位置不变)。可以用三个压力传感器测得的压力值p和已知坐标求出振动源坐标(xs,ys)。

3 流体仿真

3.1 仿真环境设置

仿真环境水域尺寸设置为2 000 mm×1 200 mm,仿真模型尺寸为圆柱形实物模型的尺寸(长度550 mm,直径160 mm),模仿AUV外形。网格划分类型均为三角形网格,求解器类型为基于压力求解,时间类型为非稳态流场,湍流模型为标准k-ε模型,求解算法为压力速度耦合(SIMPLEC算法),仿真方案设置如图2,具体参数设置如表1所示。
图2 仿真方案设置
表1 仿真参数设置
水域尺寸 水域2 000 mm×1 200 mm
求解器 求解器类型 基于压力
时间类型 非稳态流场
物理模型 湍流模型 k-ε模型
边界条件 操作压力 标准大气压(101 235 Pa)
出入口 Wall
求解算法 压力-速度耦合 SIMPLEC
压力离散 Second Order
动量 Second Order Upwind
时变公式 Second Order
Caculation 时间步长 0.05(具体视频率而定)
最大迭代步数 50

3.2 仿真分析

设置振动目标位于AUV正前方的不同距离,当振动频率、振幅一定时,分析振动目标引起的流场变化对AUV模型表面压力分布的影响。
通过迭代计算,从Fluent中导出压力数据,得到振幅为10 mm、频率为3 Hz,距离正前方50 mm、100 mm,频率为3 Hz时的压力云图和压力分布图,如图3所示。
图3 不同距离时的静压云图
由静压云图3可以看出,当位于AUV正前方的振动物体,以振幅10 mm、频率3 Hz振动时,AUV前部会有明显的颜色变化,其中,距离AUV 50 mm处的压强变化较大。
表面压力分布如图4所示,振动源(CIR)表面的压力分布情况为迎流面压强为正,逆流面压强为负,AUV表面压强为对称分布,头部压强较大,尾部较小,结果表明靠近振动源的一端压强波动较大,远离振动源的一端压强几乎无变化,说明仿真可以感知振动引起的压强变化,而且成一定的规律分布。不同位置振动目标体引起AUV表面压强的变化如图5所示。
图4 表面压力分布图
图5 距离不同时压强变化仿真分析
图中,X轴表示时间,Y轴表示网格序列,Z轴表示压强变化。图5为距离AUV正前方50 mm、100 mm、200 mm和300 mm不同位置处的压强变化,以AUV最前端的网格序列节点(第640个网格)为中点,左右两边压强变化接近对称,在距离50 mm处动压变化范围在±15 Pa以内,静压在0.4 Pa以内,极大值点出现在AUV最前端,但是随着距离的增大,左右两端的压强变化失去对称性,如图5d)所示,且动压和静压逐渐减小,在距离300 mm处压强变化在±2 Pa以内,动压和静压逐渐失去规律性。振动源距离AUV越远,AUV感知到由振动引起水流变化的压强就会越小,直至为零。
当振动源距离AUV不同距离时,头部对应的压强极值点如表2所示。距离50 mm处压强最大,与距离大小成反比。
表2 不同距离对应压力极值
压力 距离/mm 头部极大值/Pa
静压 50 16
100 6
200 1.5
300 2
动压 50 0.4
100 0.08
200 0.005
300 0.007
选取第320节点,通过Matlab处理数据得到压强对比如图6所示。距离50 mm处压强最大,距离300 mm处压强最小,结果表明,距离AUV越近,AUV感知到的压强越大,距离AUV越远,则感知到的压强越小,且趋于稳定时符合振动源引起水流的波动规律。
图6 振动源位于不同距离时的压强对比

4 结束语

本文从流体力学相关理论入手,建立了基于压力场的仿生侧线理论模型,揭示了AUV表面压强与运动目标特征参数(坐标、振幅、频率)之间的数学关系。CFD数值模拟揭示了振动目标源周围流场变化对AUV表面压强的影响规律,距离AUV越远,AUV表面感知到的压强越小,且AUV表面的压强极值点的法向方向对应振动目标源的方位。AUV可以明显感知到水流引起的压强变化,而振动源的做功是有限的,流体运动主要集中在振动物体的附近水域。所以,距离振动源最近的传感器会测到极大值。
仿生侧线作为一个新型的传感系统,提供了一种新的传感模块来补充现有传感机制的不足,若将仿生侧线与传统的感知定位系统相结合,将在复杂的工况下更精确地感知近场、远场的目标位置与流场信息,对开发利用海洋和国防安全具有十分重要的意义。下一步计划根据仿真获得的压力数据,通过神经网络学习算法实现对振动源目标的定位。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
DJM Thomson, SE Dosso, DR Barclay, et al. Modeling AUV Localization Error in a Long Baseline Acoustic Positioning System[J]. IEEE Journal of Oceanic Engineering, 2017(99):1-14.

[2]
黄玉, 郝燕玲. 偶极子磁场测量误差对水下载体定位精度影响[J]. 华中科技大学学报(自然科学版), 2010, 38(9):76-81.

[3]
Y Yang, J Chen, et al. Distant Touch Hydrodynamic Imaging with an Artificial Lateral Line[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103 (50):18891-18895.

[4]
M Asadnia, AG Kottapalli, et al. Artificial Fish Skin of Self-powered Micro-electromechanical Systems Hair Cells for Sensing Hydrodynamic Flow Phenomena[J]. Journal of The Royal Society Interface, 2015, 111(12):20150322.

[5]
MA Schwalbe, BJ Sevey, et al. Detection of Artificial Water Flows by the Lateral Line System of a Benthic Feeding Cichlid Fish[J]. Journal of Experimental Biology, 2016, 219(7):1050-1059.

DOI

[6]
Y Xu, K Mohseni. A Pressure Sensory System Inspired by the Fish Lateral Line: Hydrodynamic Force Estimation and Wall Detection[J]. IEEE Journal of Oceanic Engineering, 2017, 99(3):1-12.

[7]
Liu G, Wang M, et al. Research on Flow Field Perception Based on Artificial Lateral Line Sensor System[J]. Sensors, 2018, 18(8):24.

DOI

[8]
W Wang, X Zhang, et al. Sensing the Neighboring Robot by the Artificial Lateral Line of a Bio-inspired Robotic Fish[C]]IEEE/RSJ International Conference on Intelligent Robots & Systems, 2015: 1565-1570.

[9]
LD Chambers, O Akanyeti, et al. A Fish Perspective: Detecting Flow Features While Moving Using an Artificial Lateral Line in Steady and Unsteady Flow[J]. Journal of the Royal Society Interface, 2014, 11(99):20140467.

DOI

[10]
JMP Franosch, HJA Hagedorn. Wake Tracking and the Detection of Vortex Rings by the Canal Lateral Line of Fish[J]. Physical Review Letters, 2009, 103(7):078102.

DOI

[11]
S Sosnowski, JMP Franosch. et al. Simulation of the Underwater Vehicle “Snookie”: Navigating like a Fish[J]. Zeitschrift Fur Naturforschung A, 2010, 70(8):669-672.

[12]
S Pandya, Y Yang. Multisensor Processing Algorithms for Underwater Dipole Localization and Tracking Using MEMS Artificial Lateral-Line Sensors[J]. Eurasip Journal on Advances in Signal Processing, 2006(1):1-8.

[13]
朗道, 栗弗席茨. 流体力学(上册)[M]. 北京: 高等教育出版社, 1983:120.

[14]
O Akanyeti, C Fiazza, et al. Attentional Mechanisms for Lateral Line Sensing through Spectral Analysis[C]]International Conference on Simulation of Adaptive Behavior: from Animals to Animats, 2010, 6226:252-262.

[15]
Jan-Moritz P, Franosch, Andreas B. Sichert, et al. Estimating Position and Velocity of a Submerged Moving Object by the Clawed Frog Xenopus and by Fish-A Cybernetic Approach[J]. Biological Cybernetics, 2005, 93(4):231.

PMID

[16]
J Goulet, J Engelmann. Object Localization Through the Lateral Line System of Fish: Theory and Experiment[J]. Journal of Comparative Physiology A Neuroethology Sensory Neural & Behavioral Physiology, 2008, 194 (1):1-17.

Options
文章导航

/

〈 〉