Испанцы представили ветряки без лопастей
Испанский стартап Vortex Bladeless предлагает снизить удельную стоимость современных ветровых электростанций, отказавшись от затрат на производство лопастей и тем самым резко снизив вес и сложность генерирующих установок. С июня этого года компания
краудфандинговую кампанию, целью которой является создание серийного производства двух типов таких систем, мощностью на четыре киловатта и один мегаватт.
Новый ветряк состоит из двух частей – верхней, раскачивающейся, с искусственно неровной поверхностью, способствующей генерации микровихрей вокруг нее, и нижней неподвижной. На границе между ними установлены элементы генератора переменного тока. Сама установка выполнена таким образом, чтобы частота раскачки верхней части соответствовала частоте вращения микровихрей, возникающих под действием набегающего на нее ветра. В этом случае возникает резонанс, обусловленный аэроэластическим взаимодействием ветра и раскачивающейся верхушки ветряка, — ранее этот резонанс был печально известен по катастрофам в авиации и мостостроении:
На данный момент испытываются прототипы мощностью всего в пару киловатт с рабочим диапазоном скорости ветра в 1,5-7 метров в секунду. Однако стартап рассчитывает собрать на краудфандинговых платформах достаточно средств для начала производства небольших ветряков на 4 киловатта, с диапазоном рабочих скоростей в 3-15 метров в секунду. Такие малошумные установки будут нацелены на продажу отдельными домохозяйствами и малому бизнесу, В силу меньшей материалоемкости предполагается снизить цену производимой ими энергии почти в двое по сравнению с традиционными аналогами такой же мощности. Однако детальные технико-экономические расчеты по этой амбициозной цифре авторы проекта не приводят. Технология легко масштабируется и разработчики намерены развернуть на ее основе производство ветряков в 1 мегаватт мощностью. Это вдвое меньше, чем у современных наиболее массовых лопастных аналогов, однако в перспективе безлопастные установки могут достигнуть и существенно большей мощности, отмечают разработчики.
Преимущества новой системы заключается в том, что число подвижных частей в ней сведено к минимуму. Как заявляет Давид Янес (David Yanez), один из основателей компании, это значит, что безлопастную турбину можно будет эксплуатировать без ежегодного профилактического осмотра, а срок ее работы станет выше, чем у нынешних ветряков, ограниченных в первую очередь ресурсом стеклопластиковых лопастей (примерно 25-30 лет). Ожидается что новая конструкция будет более безопасна для птиц и летучих мышей, которых современные лопастные ветряки убивают миллионами в год.
В настоящее время ветровая энергетика продолжает испытывать быстрый рост по всему миру. За последние 9 лет выработка таких электростанций в США выросла более в 10 раз и достигла 4,4 процентов от общей генерации, причем в 2014 году ветровых мощностей в США было введено больше, чем любых других. В ряде других стран, таких как Никарагуа или Дания, подобные цифры еще выше, достигая для последней 39,1 процентов от общей генерации.
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.
