基于人工侧线的相邻两条机器鱼相对状态估计

侧线使鱼类能够高效感知周围环境，从而辅助与流相关的鱼类行为。受此现象启发，多种人工侧线系统（ALLSs）已被开发并应用于水下机器人。本文聚焦于利用基于 ALLS 测量的水动压变化（HPVs）的压力传感器阵列，估计具有领航-跟随编队的两相邻机器鱼间的相对状态。相对状态包括上游机器鱼相对下游机器鱼的相对振荡频率、振幅与偏置，以及两相邻机器鱼间的相对垂直距离、相对偏航角、相对俯仰角与相对横滚角。研究了 ALLS 测量值与上述相对状态间的回归模型，并进行了基于回归模型的相对状态估计。具体而言，首先提出两项准则，既考察各压力传感器对相对状态变化的敏感性，也考察压力传感器的不足与冗余，从而确定用于回归分析的压力传感器。随后使用四种典型回归方法，包括随机森林算法、支持向量回归、反向传播神经网络与多元线性回归方法，建立 ALLS 测量 HPVs 与相对状态间的回归模型。接着对比并讨论了四种方法的回归效果。最后，采用回归效果最佳的基于随机森林的方法，利用 ALLS 测量的 HPVs 估计相对偏航角与振荡振幅，展现出优异的估计性能。本工作有助于水下机器人集群的局部相对估计，这一直是一项挑战。