水下扑动鳍推进系统推力预测的数据驱动方法

在涉及受限环境或需要高机动性的场景中,扑动鳍水下航行器推进系统提供了一种替代螺旋桨驱动系统的方案。通过实验或高保真仿真测试新配置是一个昂贵的过程,减缓了新系统的开发速度。在引入新鳍片几何形状时尤其如此。在本工作中,我们提出了给定系统鳍片几何形状和运动学参数的机器学习推力预测方法。我们引入了数据高效的鳍片形状参数化策略,使得我们的网络能够在输入数据中鳍片形状有限的情况下,预测未见过的鳍片几何形状的推力分布。除了加快系统开发速度外,可泛化的代理模型还能提供快速、准确的预测,可用于无人水下航行器控制系统。