Aerial Tensile Perching and Disentangling Mechanism for Long-Term Environmental Monitoring

空中机器人在森林树冠研究和环境监测方面具有显著潜力，因为它们可以提供高空间和时间分辨率的数据收集能力。然而，有限的飞行续航能力限制了它们的应用。受自然栖息行为的启发，我们提出了一种多模态空中机器人系统，它集成了张力栖息以节约能源和悬挂式驱动舱进行数据收集。该系统由四旋翼无人机、允许360度绳索旋转的回转支架机构和一个流线型驱动舱组成，驱动舱通过绳索连接两个导流式螺旋桨。绕绳和解绳可以使驱动舱在树冠内移动，启动螺旋桨可以使绳索缠绕在树枝上以实现栖息或解开。我们通过实验确定了在各种条件下实现稳定栖息所需的最小平衡重量。基于此，我们设计并评估了多种栖息和解开策略。栖息和解开机动的比较表明，与无人机解开机动相比，这些方法可以将能耗分别降低到仅为22\%和1.5\%。我们还计算了系统栖息和电机关闭后在任务中节约能源所需的最小空闲时间，这占操作时间的48.9\%。总的来说，该集成系统扩展了空中机器人的操作能力并提高了其长期监测任务的能源效率。

本论文试图解决无人机在森林环境中长时间监测任务中能量消耗大的问题。

论文提出了一种新的多模态无人机系统，通过张力停泊和悬挂式执行舱的集成，实现了能量节约和数据收集的目的。

论文通过实验确定了在不同条件下实现稳定停泊所需的最小配重，并设计和评估了多种停泊和解缠策略。相比于无人机解缠策略，这种方法可以将能量消耗降低到22％和1.5％。研究还计算了系统在停泊和关闭电机后节省能量所需的最小空闲时间，为48.9％的操作时间。

在这个领域中，还有一些相关研究，如“Forest Canopy Height Estimation and Canopy Gaps Detection Using UAV LiDAR Data”和“An Autonomous UAV-Based System for Forest Fire Detection and Monitoring”。